概念# 张量 张量内部机制 步长 张量的算子如何计算？ 张量扩展 Meta 设备 与元张量工作的惯用法 PyTorch Meta Tensor: 理解指南 PyTorch 元张量的基本概念 使用方法 在 Meta 张量上执行操作 使用 Meta 张量初始化模型 内存感知训练 最佳实践 使用 Meta 张量进行初步探索 与常规张量进行计算 跟踪设备兼容性 FakeTensorMode Autograd Autograd 内部机制 分发器 __torch_dispatch__ 是什么 PyTorch 的核心是什么？（剧透：dispatcher） 为什么要有 dispatcher 系统？ __torch_dispatch__ 为什么重要？ __torch_dispatch__ 长啥样？ 长期愿景是什么？ 扩展 torch Python API 扩展 torch 类型，使其具有类似 Tensor 的类型功能 子类化 torch.Tensor 扩展 torch 的 Tensor 包装器类型 扩展 torch 原生 API __torch_dispatch__ 调用约定 Torch Dispatch Mode 基础 状态化 使用模式 什么时候应该使用张量子类？什么时候应该使用模式？什么时候应该同时使用两者？ 模式 子类 示例 FlopCounterMode PyTorch 代码解读 PyTorch 代码结构 线性代数讲义 向量空间 微积分 概率论 数据压缩 图片压缩 图片压缩简介 什么是图像压缩？ 为什么要压缩图像？ 图像压缩背后的理论 评估压缩质量 均方误差 峰值信噪比 高级压缩技术 PNG 压缩 WebP压缩 矢量量化 迁移学习 计算机视觉的迁移学习 可视化输入 训练模型 四元数 四元数 CNN 可视化数据 训练模型
