pytorch

PyTorch 不支持旧GPU的异常状态与解决方案：CUDNN_STATUS_NOT_SUPPORTED_ARCH_MISMATCHd:\anaconda3\envs***\lib\site-packages\torch\cuda_init_.py:262: UserWarning: Found GPU0 GeForce GT 710 which is of cuda capability 3.5. PyTorch no longer supports this GPU because it is too old. The minimum cuda capability supported by this library is 3.7

PyTorch中的permute, transpose, view, reshape和flatten函数详解(已解决)permute函数用于重新排列张量的维度。它接受一个元组作为参数，表示新的维度顺序。例如，如果我们有一个形状为(2, 3)的二维张量，我们可以使用permute函数将其维度重新排列为(3, 2)，如下所示：

匿名的魔术师

实验问题记录：PyTorch Tensor 也会出现 a = b 赋值后，修改 a 会影响 b 的情况执行上述代码前，而执行后咦？怎么search_anno 也同步变了呢很奇怪Σ(っ °Д °;)っtensor 利用 clone()

PyTorch 张量（Tensors）全面指南：从基础到实战张量（Tensors）是 PyTorch 中的核心数据结构，类似于数组和矩阵，但具有更强大的功能。在深度学习中，我们使用张量来表示：

PyTorch 实现的 GlobalPMFSBlock_AP_Separate：嵌套注意力机制在多尺度特征聚合中的应用在深度学习领域，尤其是计算机视觉任务中（如目标检测、图像分割等），特征提取和聚合是模型性能提升的关键。然而，不同层次的特征图通常具有不同的分辨率和感受野大小，如何有效融合这些多尺度的特征信息成为一个重要的研究方向。

深度学习：PyTorch人工神经网络优化方法分享（1）简单来说，优化方法主要是从两个角度来入手，一个是梯度，一个是学习率。梯度下降法简单来说就是一种寻找使损失函数最小化的方法**。

GPU利用率90%的秘诀：PyTorch/TensorFlow高阶优化技巧本文较长，建议点赞收藏，以免遗失。更多AI大模型应用开发学习视频及资料，尽在聚客AI学院。在AI工业化落地的浪潮中，高效开发与生产部署能力已成为核心竞争力。本文首次完整揭秘PyTorch和TensorFlow的三大进阶实战能力：标准化开发范式、工业级训练优化和生产线部署方案。通过对比演示混合精度训练、分布式加速、TensorRT部署等关键技术，您将掌握将大模型推理延迟降低80%、吞吐量提升7倍的硬核方法。更有企业级避坑指南和完整工具链（ONNX/Triton/Prometheus），带您突破GPU利用率瓶

✨通义万相 2.1（Wan2.1）环境搭建指南：基于 CUDA 12.4 + Python 3.11 + PyTorch 2.5.1 GPU加速实战本文将一步一步带你搭建一个可用于构建和运行 Wan2.1 的深度学习环境，完全兼容 CUDA 12.4，并基于官方镜像 nvidia/cuda:12.4.0-devel-ubuntu22.04 和 Python 3.11。包括 PyTorch 安装、依赖处理、环境验证和常见问题解决，全程使用国内清华镜像加速。🚀

矩阵阶数(线性代数) vs. 张量维度(深度学习)：线性代数与深度学习的基石辨析,再也不会被矩阵阶数给混淆了在线性代数的殿堂里，“矩阵阶数”是一个基础而明确的概念。然而，当我们踏入深度学习的领域，面对的是更高维的数据结构——张量（Tensor），描述其大小的术语变成了“维度（Dimensions）”或更精确地说“形状（Shape）”。这两个概念虽然都关乎数据结构的“大小”，但其含义、应用场景和重要性有着本质的区别。理解这种区别对于掌握数学基础和深度学习实践都至关重要。

三道杠卷胡

【AI News | 20250623】每日AI进展1、tools Strands Agents Tools提供了一个强大的模型驱动方法，通过少量代码即可构建AI Agent。它提供了一系列即用型工具，弥合了大型语言模型与实际应用之间的鸿沟，涵盖文件操作、Shell集成、内存管理（支持Mem0和Amazon Bedrock知识库）、HTTP客户端、Slack客户端、Python执行、数学工具、AWS集成、图像/视频处理、音频输出、环境管理、日志记录、任务调度、高级推理以及群体智能（Swarm Intelligence）等。这些功能旨在为AI Agent提供

Pytorch风格迁移的Android实现使用神经网络训练后的模型可以实现图像风格的迁移，比如前一阵非常火爆的吉卜力风格。本文尝试在 Android 实现 PyTorch 风格迁移模型的部署，实现基于固定风格的迁移。

【PyTorch革命】机器学习系统编程模型的演进之路目录引言：系统设计的关键——编程模型一、编程模型演进全景图关键里程碑对比二、编程模型的目标：覆盖完整的开发工作流

小西贝の博客

4-5权重衰减

30天pytorch从入门到熟练（day1）本项目采用“从零构建”的策略，系统性地开展了深度学习模型的开发与优化工作。其目标在于通过全流程自研方式，深入理解模型构建、训练优化、推理部署的关键技术环节。整体路径分为以下核心阶段：

PyTorch 中torch.clamp函数使用详解和实战示例torch.clamp 是 PyTorch 中的一个非常有用的函数，它可以将张量的每个元素限制在一个指定的范围内，超出范围的元素将被裁剪为边界值。

AI扶我青云志

深度学习从入门到精通：PyTorch实战与核心原理详解L1/L2正则化Dropout批量归一化(BatchNorm)关键提醒：深度学习是实践科学，70%的时间应投入代码实现和调参优化！

胖墩会武术

【PyTorch项目实战】CycleGAN：无需成对训练样本，支持跨领域图像风格迁移MUNIT：多模态无监督图像到图像翻译 —— https://github.com/nvlabs/MUNIT

从实验室到生产线：机器学习模型部署的七大陷阱及PyTorch Serving避坑指南根据2023年MLOps行业报告：时间线分析：根本原因分析：问题现象：“Works on my machine” 综合征

李沐动手深度学习（pycharm中运行笔记）——12.权重衰退12.权重衰退（与课程对应）目录一、权重衰退1、使用均方范数作为硬性限制2、使用均方范数作为柔性限制（通常这么做）

研一计算机小白一枚

PyTorch 入门学习笔记目录1 张量1）张量的初始化和属性2）张量操作3）使用 NumPy 进行桥接2 torch.autograd