PyTorch官方教程大更新:增加标签索引,更新主体分类

  • A+
所属分类:技术资讯

技术编辑:SiFou Office car博客发来的nanchal ho:Carl博客
自2012年以来,很多机器学习框架成为研究者和行业从业者的新宠儿。深度学习框架不断出现,从早期学术的Caffe(卷积神经网络框架)和Theano(基于Python的深度学习库)到业界支持的大型PyTorch和TensorFlow。
到了2019年,机器学习框架大战只剩下两个主要竞争对手:PyTorch和TensorFlow。越来越多的研究人员表示,PyTorch将成为今后机器学习领域最受欢迎的框架。
最近,PyTorch进行了重大更新,主要内容提供了标签索引,主题分类增加,更新后,内容更加清晰,对初学者更加友好。
以下是更新内容的详细解释:
提供标记索引
对于PyTorch的新用户,有一个易于查找的按钮,可以直接导入到“60分钟突击”中。旁边是一个按钮,通过该按钮可以查看所有旨在通过实例快速教学特定功能的索引。
教程现在可以通过多选标签以及现有的左侧导航栏快速过滤。例如,我想查看与“生产”和“量化”相关的所有教程。您可以选择生产和量化过滤器,如下图所示。
您也可以在教程主页底部找到以下其他资源:
Py火炬注记
PyTorch示例
GitHub教程
PyTorch公式还添加了以下新的“用户指南”:
加载PyTorch数据(LOADING DATA IN PYTORCH)
CAPTUM的模型解析(model interpret ability using capt um)
如何在PyTorch中使用tensorboard(how to use tensor board with py torch)
添加主题分类
本部分包含适用于新PyTorch用户的教程。根据社区反馈,我们更新了当前的深入学习和PyTorch。最受欢迎的初级教程之一A 60分钟突击教程。
完成后,人们可以了解PyTorch和神经网络是什么,建立和训练简单的图像分类网络。更新包括添加注释以阐明输出含义、用户在文档中可以阅读更多的链接、整理容易混淆的语法错误,以及重新组织和解释新概念,使其易于阅读。
在生产中部署模型
本部分包含有关希望将PyTorch模型投入生产的开发人员的教程。这些教程包括:
通过带有Flask的REST API向Python分发PyTorch
火炬脚本简介
在c中加载火炬脚本模型
从PyTorch导航到ONNX并使用ONNX Runtime运行模型
前端API
PyTorch提供了大量前端API功能,可帮助开发人员更有效地编码和调试和验证其模型。本节包含几个教程,教您如何使用这些功能和功能。某些教程重点介绍以下内容:
PyTorch的命名张量介绍
使用PyTorch C前端
使用自定义c操作符扩展TorchScript
使用自定义c类扩展TorchScript
c前端的自动栅格
模型优化
深度学习模型由于其复杂性,通常会消耗大量的内存、功能和计算资源。本节提供有关优化模型的教程。
修饰
BERT的动态量化
在PyTorch中使用Eager模式进行静态量化
并行和分布式培训
PyTorch提供了对集体操作异步执行的本机支持,以及提高研究和生产性能的功能,如Python和c可以访问的对等通信。本部分包含并行和分布式培训的教程。
独立模型并行最佳实践
分布式数据并行启动
分布式RPC框架入门
使用分布式RPC框架实现参数服务器

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: