pytorch

torch.gather 用法笔记torch.gather 的作用是：基本语法：其中：torch.gather 有一个非常重要的规则：也就是说：

装不满的克莱因瓶

深入PyTorch模型的训练与可视化 —— 掌握迁移学习等模型训练效果提升的办法目录前言什么是迁移学习为什么迁移学习效果好迁移学习训练流程使用PyTorch加载预训练模型查看模型结构

The moon forgets

ABot-M0：基于动作流形学习的机器人操作VLA基础模型深度解析📄 arXiv: arXiv:2602.11236 | 🏷️ VLA模型 | ⭐ 评分: 8.7/10 🔑 论文笔记 VLA模型跨本体学习具身智能机器人操作 Flow-Matching DiT 动作流形学习 3D感知双臂操作 ABot-M0 UniACT-dataset Qwen3-VL VGGT pi0 pi0.5 OpenVLA-OFT GR00T-N1

Kobebryant-Manba

学习参数管理state_dict()返回一个包含模块所有可学习参数的字典（比如权重和偏置），以及持久缓冲区。它保存的是模型当前的状态（参数值），而不是模型的结构定义。关键特点只包含参数：不包含模型结构，只有权重、偏置等数值可序列化：可以轻松保存到磁盘或从磁盘加载字典格式：键是参数名，值是参数张量

【机器学习】7 种分类模型实战（逻辑回归→随机森林→SVM→AdaBoost→朴素贝叶斯→XGBoost→神经网络）在机器学习中，分类问题是最常见的任务之一。比如根据病人的各项指标判断病情等级、根据用户行为预测会员等级等。本文使用一个已经预处理好的多分类数据集（标签为 0、1、2、3），分别用 7 种经典的分类算法进行建模，并对比它们在测试集上的表现。本文以众数填充为例子。每个文件的第一列是标签（y），后面的列是特征（x）

PyTorch强化学习实战（12）——Double DQN（DDQN）自从 DeepMind 在 2015 年提出深度Q网络 (Deep Q-Network, DQN) 模型以来，研究人员已经提出了诸多改进方案，通过对基础架构的调整显著提升了原始 DQN 的收敛性、稳定性和样本效率。 2017 年 DeepMind 的 Hessel 等人发表了名为 Rainbow: Combining improvements in deep reinforcement learning 的论文，系统性地整合了 DQN 的六大核心改进。仅通过这六种方法的组合，便在 Atari 游戏测试集上

努力学习_小白

ResNeXt-50——学习记录在之前的学习中，我们已经见识过了各种网络为了提升性能而做出的努力：ResNet-v2：通过前向反馈（Identity Mapping）解决了深层网络的梯度消失问题。

NVIDIA 驱动（550版本）成功安装后安装支持 GPU 加速的 PyTorch重要提示：在 Linux 上安装 PyTorch 时，不需要单独安装系统级的 CUDA Toolkit（如 sudo apt install nvidia-cuda-toolkit）。PyTorch 的安装包（pip/conda）会自带它所需的 CUDA 运行时库。你只需要确保安装的 PyTorch 版本与你当前的驱动版本兼容即可。

深度学习入门：softmax回归的总结1.加载数据集2.定义权重和偏置3.对特征值矩阵进行纵向压缩和横向压缩4.定义softmax函数，获得概率

PyTorch 中 unfold 的理解笔记在 PyTorch 中，unfold 的作用是：沿着指定维度，用滑动窗口的方式，把数据一段一段地取出来。

Pytorch学习笔记（1）参考：Pytorch框架与经典卷积神经网络与实战哔哩哔哩bilibili原始数据：100×33×33×1，代表 100 张33×33 像素的单通道灰度图

CNN算法实战系列05 | SE注意力机制改造 ResDenseNet在 J4 周 ResDenseNet（融合 ResNet 残差连接 + DenseNet 密集连接）的基础上，引入 SE-Net 通道注意力机制，构建 SE-ResDenseNet，进一步提升模型对关键特征通道的关注能力。

装不满的克莱因瓶

使用 PyTorch Tensor 的相关数据处理目录一、前言二、Tensor是什么三、Tensor的创建方式3.1 直接创建3.2 全0 / 全13.3 随机数

The moon forgets

DreamVLA：世界知识驱动的视觉-语言-动作新范式最近在视觉-语言-动作(VLA)模型方面的进展展示了将图像生成与动作预测相结合以提高机器人操作泛化能力和推理能力的潜力。然而，现有方法局限于具有挑战性的基于图像的预测，存在冗余信息且缺乏全面且关键的世界知识，包括动态、空间和语义信息。为了解决这些局限性，我们提出了DreamVLA，一个新颖的VLA框架，集成了综合世界知识预测以实现逆动力学建模，从而建立操作任务的感知-预测-行动循环。具体来说，DreamVLA引入了动态区域引导的世界知识预测，结合空间和语义线索，为动作规划提供了紧凑而全面的表示。这种设计符

根治 PyTorch CUDA `pynvml` 弃用警告：直接修改 `torch/cuda/__init__.py` 的实践记录【笔记】消除 “FutureWarning: The pynvml package is deprecated”警告

Kobebryant-Manba

安装cuda深度学习环境配置——Windows安装CUDA与CUDNN_cudnn tarball-CSDN博客Windows11安装CUDA、cuDNN、PyTorch详解_win11 cuda安装-CSDN博客(强推)

PyTorch强化学习实战（11）——N步DQN（N-step DQN）自从 DeepMind 在 2015 年提出深度Q网络 (Deep Q-Network, DQN) 模型以来，研究人员已经提出了诸多改进方案，通过对基础架构的调整显著提升了原始 DQN 的收敛性、稳定性和样本效率。 2017 年 DeepMind 的 Hessel 等人发表了名为 Rainbow: Combining improvements in deep reinforcement learning 的论文，系统性地整合了 DQN 的六大核心改进。仅通过这六种方法的组合，便在 Atari 游戏测试集上

深度学习项目实战：基于PyTorch的图像分类与目标检测（YOLOv8）目标检测是计算机视觉领域的核心技术之一，广泛应用于自动驾驶、安防监控、工业检测、医疗诊断等领域。YOLO（You Only Look Once）系列算法因其高效性和准确性成为目标检测的主流方案。

从感知机到 Attention：我用 PyTorch 打穿 CS188 机器学习终章 CS188 Proj5 学习笔记这一次的Proj有很多调用了Pytorch，需要耗费一些时间补充一下前置知识：tensor是PyTorch里的数据容器，它可以是数组可以是列表可以是矩阵。下面是三个tensor变量的声明