Toggle navigation sidebar
Toggle in-page Table of Contents
torch_book 0.0.3 文档
教程
torchvision
测试
TorchScript
TorchScript 简介
torch.fx
FX 简介
操控
Graph
解释器模式
调试
符号追踪的局限性
FX 算子替换
自定义跟踪器
动态包装计算图输出
原语库
迁移学习
PyTorch 量化
量化简介
定点和浮点
PyTorch 量化设计方案
量化流程
量化流程概述
Eager 模式量化
FX Graph 模式量化
量化实践
tanh 量化
Sigmoid 量化
Sigmoid 量化
LeNet
Cifar10 上的 ReNet18
Pytorch 数值套件教程
Post training quantization tutorial for resnext.
泰勒公式与量化
量化矩阵乘法
FX 量化快速入门
量化临时区域
中间表示
模型剪枝
参数化教程
使用 FX 构建简单的 CPU 性能分析器
在pytorch中通道最后的内存格式
Forward-mode 自动微分
(beta) Building a Convolution/Batch Norm fuser in FX
模型可解释性
Model Interpretability using Captum
DDP
Transformer
小技巧
临时
TorchX /AMP
混沌
自动微分
PyTorch Benchmark
其他临时区
性能评估
Pytorch 梯度归零
参考
FX API 参考
Torch 参数
论文解读
量化论文
随机舍入
其他
术语表
NumPy
PyTorch 词汇表
参考
Colab 训练
中英互译
未整理的资料
open issue
suggest edit
.md
.pdf
混沌
混沌
#
自动微分
张量、函数和计算图
计算梯度
禁用梯度追踪
更多关于计算图的内容
选读:张量梯度和雅可比积
PyTorch Benchmark
定义 benchmark 函数
使用
timeit.Timer
作基准测试
使用
torch.utils.benchmark.Timer
作基准测试
Blocked Autorange 基准测试
比较基准测试结果
保证和加载基准测试结果
生成带有模糊参数的输入
使用 Callgrind 收集指令计数
其他临时区
性能评估
时间分析
分析内存消耗
使用追踪功能
检查堆栈跟踪
将数据可视化为 flamegraph
分析 long-running jobs
Pytorch 梯度归零