pytorch

从 PyTorch 权重到 RK3588 板端推理：ResNet18 二分类模型完整部署教程在边缘 AI 项目中，模型训练（PyTorch）与最终部署（RK35xx 系列 NPU 板卡）之间隔着一条"格式鸿沟"：RKNN 工具链不能直接读取 *.pth，必须经过 ONNX 中间表示才能进入 Rockchip 的专有格式。这条链路看似只有两个转换命令，真正决定成败的却是预处理一致性、量化标定、运行库版本配套这些细节。

小白学大数据

CuPy vs Numba vs PyTorch：GPU 加速方案怎么选引言：数据进得来，才算得动大规模数据采集常被目标站点限流、封 IP、验证码拦截。企业级代理 IP 服务如亿牛云可让采集在分布式节点间平滑切换出口，保障数据稳定入库。数据进来后，瓶颈转向算力——下面用代码直接对比 CuPy、Numba、PyTorch 三种上 GPU 的方式。

Python-pytorch-高级技巧Hooks 让你在不修改 forward() 代码的情况下，在模型的前向/反向传播中插入自定义逻辑。非常适合调试、特征提取、梯度分析和可视化。

Python-pytorch-模型保存与加载PyTorch 中模型的"参数"存储在 state_dict 中——一个 Python 字典，将每一层的名称映射到其参数张量。

Python-pytorch-数据加载PyTorch 提供了两个核心抽象用于数据加载：[[pytorch-总览|← 返回总览]]

现代野蛮人

【深度学习实验】—— 利用 RNN 模型进行心脏病预测本实验分别使用 TensorFlow 与 PyTorch 完成同一份心脏病数据的二分类训练，并记录数据处理、模型构建、训练过程和评估结果。两套实现的训练策略不同，因此文末会单独说明比较时需要注意的条件。

Python-pytorch-训练流程PyTorch 的训练流程虽需手写，但极其灵活。以下是标准模板：防止梯度爆炸，尤其对 RNN/LSTM 至关重要。

Matt今年18岁

自动检测校园网状态，自动联网并恢复 Ubuntu 下的 ToDesk 连接实验室 Ubuntu 主机长期通过 ToDesk 远程连接，但校园网存在一个比较麻烦的问题：校园网认证掉线 → Ubuntu 断网 → ToDesk 掉线 → 即使校园网重新恢复，ToDesk 有时也不会自动重新建立连接。

Seq2Seq Transformer 中英翻译实战：从 GRU 到 Transformer，BLEU 0.225 → 0.307项目地址（Gitee）：https://gitee.com/Touari/seq2seq_zh_en_translation.git 本文记录 Seq2Seq_Transformer 项目的完整构建过程：从 Seq2Seq_Attention（GRU + Luong 注意力）复制出来 → 改造为 Transformer 架构 → 重新训练 → 实测对比。所有数据均为实测（RTX 3060 6GB）。

程序猿编码

不用PyTorch，我用C++手写了一个能认手写数字的神经网络学神经网络，大多数人的入门路径是：装Anaconda、pip install torch、调包、跑Demo。三行代码就能让模型在MNIST上跑到99%准确率。但问题是——你知道这99%是怎么来的吗？权重怎么初始化的？反向传播到底在算些什么？ReLU为什么有时候会让网络"死"掉？

数据驱动电池SOH预测实战：用AI工具快速构建深度学习模型并调参在电池SOH/RUL预测项目中，你目前主要使用哪类方法？A. 等效电路模型 / 经验公式（库仑计数、安时积分法）

软糯小野猫

使用Pytorch从零开始构建StyleGAN本文所介绍的, 乃是当今最为出色的GAN当中的一个, 它源自论文《A Style-Based for 》的 , 我们会运用对其予以干净、简单且具备可读性的实现, 并且尝试尽可能地贴近原始论文。

《深度学习框架PyTorch入门与实践》系列：11-实战猫狗大战之可复用的PyTorch项目架构本文你将学到：如何把一个深度学习项目组织成"配置 / 数据 / 模型 / 工具 / 主程序"五块分离的可复用骨架；用一个 Dataset 类同时管好训练集、验证集、测试集三种数据（含数据增强的差异化处理）；BasicModule 如何给所有模型统一加上save/load能力；用 getattr + 字符串动态切换模型、彻底告别if-else；fire库三行代码搞定命令行接口；完整的train/val/test三段式流程（含混淆矩阵、loss平滑统计、visdom实时监控、“损失不降就衰减学习率"策略）；以

玩三国杀玩的

Pytorch-c++-CUDACUDA（Compute Unified Device Architecture）是 NVIDIA 推出的并行计算平台和编程模型，它让开发者能够利用 GPU 中成百上千个核心进行通用计算，而不仅仅是图形渲染，大幅加速科学计算、深度学习、图像处理等数据密集型任务。

内蒙深海大鲨鱼

5.Introduction to PyTorch YouTube Series--visualable train借助一些工具进行可视化训练，学习地址在自己的conda环境中进行安装用日志器的add_image来写入到tensorboard中

【从零开始大模型开发与微调:基于PyTorch与ChatGLM】(从注意力到自回归生成:彻底理解Transformer解码器)本文从1开始.前面介绍了编码器的架构和实现代码.那么相信你对编码器的编写已经很熟悉了.解码器是在编码器的基础上对模型进行少量修正,在不改变整体架构的基础上进行模型设计,可以说,如果掌握了编码器的原理,那么学习解码器的概念、设计和原理一定易如反掌.本文首先介绍解码器的原理和程序编写,然后着重解决一个非常大的问题——文本对齐.这是自然语言处理中一个不可轻易逾越的障碍,本文将以翻译模型为例,系统地讲解文本对齐的方法,并实现一个基于汉字和拼音的"翻译系统".

PyTorch强化学习实战（22）——将强化学习应用于TextWorld互动小说游戏在本节中，我们将使用强化学习 (Reinforcement Learning, RL) 解决基于文本的互动小说 (interactive fiction) 游戏，采用微软研究院发布的 TextWorld 环境，展示 RL 如何应用于具有丰富观测空间的复杂环境。此外，我们还会探讨深度自然语言处理方法，并介绍大语言模型 (Large Language Model, LLM)。

使用Pytorch自动计算梯度torch 包内为我们提供了很多有用的函数，让我们无需手动计算梯度：x.requires_grad_(True) 是为了告诉 torch ，我需要对 x 计算梯度。因为（对于一个有上万/亿参数的函数）计算梯度是非常消耗算力的，所以 torch 默认不会计算梯度，需要我们通过 requires_grad_(True) 显示声明。

Qwen+GRPO后训练实战medical-o1-reasoning-SFT这些医疗问题是从Deepseek-R1中蒸馏出来的。安装环境 CUDA13 + pytorch2.11 + unsloth2026.8.10 + vllm0.26.0

使用pandas处理csv并转为张量需要先通过命令安装 pandas 包：然后通过以下方式，向文件中写入简单的 csv 格式数据：通过 read_csv 函数读取：