pytorch

【PyTorch】PyTorch中的数据预处理操作第十二章 PyTorch中的数据预处理操作上文介绍了PyTorch中torch.nn模块的全连接层，本文将介绍PyTorch中torch.utils.data 模块的数据处理操作：

向左转,　向右走ˉ

目标检测中的NMS算法详解好的，我们来详细解释一下目标检测中非极大值抑制（Non-Maximum Suppression, NMS）的相关概念和计算过程。

【一起来学AI大模型】微调技术：LoRA（Low-Rank Adaptation）的实战应用LoRA（Low-Rank Adaptation）的实战应用，使用 Hugging Face 的 peft (Parameter-Efficient Fine-Tuning) 库对大型语言模型进行高效微调。LoRA 因其显著降低资源消耗（显存和计算）同时保持接近全量微调性能的特点，成为当前最热门的微调技术之一。

pytorch深度学习—RNN-循环神经网络你平时看句子、听语音、看视频，都是 “按顺序” 来的吧？比如 “我吃苹果” 和 “苹果吃我”，字一样但顺序不同，意思天差地别。

Transforms在 PyTorch 生态中，torchvision.transforms 是专门用于图像和视频预处理的模块，提供了丰富的变换工具，常用于数据增强、归一化和格式转换。

【一起来学AI大模型】PyTorch DataLoader 实战指南DataLoader 是 PyTorch 中处理数据的核心组件，它提供了高效的数据加载、批处理和并行处理功能。下面是一个全面的 DataLoader 实战指南，包含代码示例和最佳实践。

HuashuiMu花水木

PyTorch笔记5----------Autograd、nn库torch.nn库是专门为神经网络设计的模块化接口，自动计算前向传播和反向传播，可以用来定义和运行神经网络。

阿群今天学习了吗

pytorch环境配置这周开始尝试一点小例子，首先开始搭建环境，这里对一些东西做一些记录，以防自己以后还会遇到。我使用的是pycharm，直接在官网有免费安装包。继续下载anaconda，使用prompt进行下载库操作，我个人感觉anaconda下载的库会更容易被pycharm检测到。使用* conda install python* 下载python后，一般用CPU跑数据就可以开始用pycharm写代码了。如果需要用torch，进行如下操作：

pytorch常用API一、torch.tensor()和torch.from_numpy()二、将tensor对象转换为numpy对象

往日情怀酿做酒 V1763929638

pytorch的介绍以及张量的创建本节我们先来介绍一下pytorch以及一些小知识世界科技巨头公司的特点分析补充说明：主流深度学习框架对比

石迹耿千秋

tensor😉如果您想用jupyter notebook跑我的笔记，可以在下面获取ipynb版本 😊麻烦给个免费的star😘 ❤️主包也更建议这种形式，上面的笔记也更加全面，每一步都有直观的输出

pytorch 神经网络神经网络（Neural Networks）是一种模拟人脑神经元网络结构的计算模型，用于处理复杂的模式识别、分类和预测等任务。生物神经元如下图：生物学：

深度学习×第7卷：参数初始化与网络搭建——她第一次挑好初始的重量🐾猫猫：“之前她有了张量、有了弯弯，还学会了怎么连成一张网……可要是随便塞点数字进去，她跑着跑着就会贴得乱七八糟喵～”

第35周—————糖尿病预测模型优化探索目录前言1.检查GPU2.查看数据编辑 3.划分数据集4.创建模型与编译训练5.编译及训练模型6.结果可视化

我爱一条柴ya

【AI大模型】RAG系统组件：向量数据库（ChromaDB）RAG 系统中的关键组件：向量数据库（Vector Database），并以 ChromaDB 为例进行说明。

仗剑_走天涯

基于pytorch.nn模块实现线性模型课程：b站up 跟李沐学AI 的系列课程《动手学深度学习》笔记：本笔记基于以上课程所写，有疑问的地方，可评论区留言，或自行观看b站视频

pytorch 自动微分Torch中一切皆为张量，属性requires_grad决定是否对其进行梯度计算。默认是 False，如需计算梯度则设置为True。

从零开始搭建深度学习大厦系列-2.卷积神经网络基础（5-9）(1)本人挑战手写代码验证理论，获得一些AI工具无法提供的收获和思考，对于一些我无法回答的疑问请大家在评论区指教；

深度学习中的常见损失函数详解及PyTorch实现损失函数（Loss Function）是深度学习中至关重要的组成部分，它衡量模型预测结果与真实标签之间的差异，是模型优化的目标。本文将详细介绍线性回归损失函数（MAE、MSE）、CrossEntropyLoss和BCELoss的原理、特点及PyTorch实现。

搜索引擎vs向量数据库：LangChain混合检索架构实战解析核心场景：解决大模型知识滞后问题，通过搜索引擎获取实时信息避坑指南：公共API存在频率限制，建议使用代理或自建网关服务