pytorch_人工智能博客-专业IT技术发表平台

推荐付费专栏 VIP文章

PyTorch 入门与核心概念详解：从基础到实战问题解决用PyTorch 编写 Transformer 模型时遇到了多个错误，包括维度不匹配、NaN 损失、注意力权重未记录以及 OpenMP 库初始化等问题。本文基于以上，对 PyTorch 的基本解释，并对模型代码调试中遇到的问题进行总结。

阅读 915

39赞

PyTorch生成式人工智能实战：从零打造创意引擎专栏《PyTorch 生成式人工智能实战》深入探讨了生成式人工智能，这项技术通过其高效和快速的内容创作能力，正在重塑众多行业。具体来说，将学习如何使用生成式模型来创建各种形式的内容：数字、图像、文本和音频。此外，还将学习从零开始构建这些模型，以便深入理解生成式 AI 的内部工作原理，我们将使用 Python 和 PyTorch 来构建、训练和使用这些模型。

阅读 1.8w

98赞

基于Transformer的多资产收益预测模型实战（附PyTorch实现与避坑指南）在量化投资领域，利用时间序列数据预测资产收益是核心任务之一。传统方法如LSTM难以捕捉资产间的复杂依赖关系，而Transformer架构通过自注意力机制能有效建模多资产间的联动效应。本文将从零开始构建一个基于PyTorch的多资产收益预测模型，涵盖数据生成、特征工程、模型设计、训练及可视化全流程，适合深度学习与量化投资的初学者入门。

阅读 1.7k

73赞

深度强化学习 | 基于SAC算法的移动机器人路径跟踪(附Pytorch实现) 软性演员-评论家(Soft Actor-Critic, SAC)算法是基于最大熵原理的离线策略方法，本节将基于深度强化学习中的SAC算法实现移动机器人的路径跟踪，介绍网络设计、动作空间设计和奖励函数设计，并提供Pytorch实现加深理解

阅读 1.7k

84赞

conda安装cuda(11.8)+cudnn（8.9.2）+pytorch（2.0.0）参考链接：（无意间刷到一个博主发现遇到了同样的问题，且提出了解决办法）什么都没出现说明pytorch安装成功。中找到你要下载的版本的指令（出现True说明成功。

阅读 6.1k

26赞

UV安装GPU版本PyTorch 经过同事推荐，开始尝试使用uv管理Python环境，效果相当不错。

阅读 1.9k

17赞

我想发发发

2025.04最新PyTorch 安装超详细教程（含多系统、多场景、避坑指南） **PyTorch 安装超详细教程（含多系统、多场景、避坑指南）**，涵盖**CPU/GPU版本选择、环境配置、验证测试、问题解决**全流程，附命令行示例和图文说明：

阅读 2.2w

47赞

ResNet50深度解析：原理、结构与PyTorch实现 ResNet50是深度学习领域的里程碑模型，通过创新的残差学习框架解决了深层神经网络训练中的梯度消失问题。其核心思想是学习残差映射F(x)=H(x)-x，而非直接学习输入到输出的映射H(x)，通过跳跃连接使梯度能直接流过，有效缓解梯度消失。ResNet50采用Bottleneck设计，包含50层卷积层，由头部(初始特征提取)、主体(4个残差块组)和尾部(分类器)组成。其特点是参数高效(约25.5M参数)、梯度流动稳定和特征重用能力强，广泛应用于图像分类、目标检测、语义分割和迁移学习等视觉任务。

阅读 6.8k

46赞

50系显卡Windows配置Anaconda中的CUDA及Pytorch 50系显卡Windows配置Anaconda中的CUDA及Pytorch

阅读 2.5k

17赞

PyTorch 深度学习实战（23）：多任务强化学习（Multi-Task RL）本文实现了多任务强化学习的核心范式——基于共享策略的 PPO 算法，展示了跨任务知识迁移的能力。动态任务权重# 在 update() 中添加任务权重分层强化学习nn.ReLU(),课程学习else:在下一篇文章中，我们将探索分层强化学习（HRL），并实现 Option-Critic 算法！

阅读 1.2k

23赞

【PyTorch】2024保姆级安装教程-Python-（CPU+GPU详细完整版）- 安装 PyTorch 时，可以选择在 CPU 或 GPU 上运行，取决于你的硬件支持和需求。CPU版本安装：CPU 版本适用于没有 GPU 或不需要使用 GPU 进行深度学习的情况。安装过程相对简单，因为没有依赖 GPU 驱动和 CUDA 的要求。GPU版本安装：如果你的计算机上有 NVIDIA GPU，并且你希望加速深度学习计算，可以安装 GPU 版本的 PyTorch。GPU 版本依赖于 CUDA 和 cuDNN。

阅读 5.4w

211赞

番茄小能手

pytorch gpu国内镜像下载，目前最快下载 pytorch的cpu的包可以在国内镜像上下载，但是gpu版的包只能通过国外镜像下载，网上查了很多教程，基本都是手动从先将gpu版whl包下载下来，然后再手动安装，如何最快的通过pip的命令安装呢？下面我细细讲下。

阅读 3.5w

187赞

【基于pytorch】Transformer模型结构+完整代码实现+（例子：机器翻译+手写体数字识别）【基于pytorch】Transformer模型结构+完整代码实现+（例子：机器翻译+手写体数字识别）

阅读 1.2k

25赞

四种处理器（CPU、GPU、TPU、DCU）具有高速的内存带宽和大容量的存储器，以支持大规模的模型和数据。概念：是一种专门在个人电脑、工作站、游戏机、移动设备（平板电脑、智能手机）上图像运算工作的微处理器。用途：用于高效地执行人工智能和机器学习任务、用于图像识别、语音识别、自然语言处理、云计算平台等服务。用途：广泛应用于游戏、视频编辑、科学计算、深度学习等领域，特别是在需要规模并行处理的场景中。概念：是一块超大规模的集成电路、是一台计算机的运算核心和控制核心。概念：是海光推出的一款专门用于AI人工智能和深度学习的加速卡。

阅读 1.0w

1赞

SpongeBob@Hefei

Pytorch--3.使用CNN和LSTM对数据进行预测使用CNN+LSTM对数据进行预测

阅读 1.4w

224赞

Transformer 论文精读与完整代码复现【Attention Is All You Need】 Transformer论文精读和从零开始的完整代码复现（PyTorch），超长文预警！将介绍模型架构中的所有组件，并解答可能的困惑

阅读 9.3k

64赞

天天程序猿

【滚动轴承故障诊断】【Pytorch】基于1DCNN、ECA-1DCNN、CBAM-1DCNN、GAM-1DCNN的滚动轴承故障诊断研究（Python代码实现） 💥💥💞💞❤️❤️💥💥博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️行百里者，半于九十。📋📋📋🎁🎁🎁。

阅读 942

36赞

【图像去噪】论文复现：问题出在上采样上！改变架构解决DIP产生的光谱偏差，FasterDIP的Pytorch源码复现，跑通推理测试代码，图文结合，核心架构与代码对应！论文题目：The Devil is in the Upsampling: Architectural Decisions Made Simpler for Denoising with Deep Image PriorV —— 问题在于上采样：架构决策使深度图像先验去噪变得更简单。

阅读 774

37赞

超自然祈祷

pyTorch笔记 1.前言学人工智能，少不了深度学习和神经网络，之前都是只有理论和新闻的那种大致的、模糊的印象，现在开始学习了。构造神经网络感觉实践的对象就改变了，之前做数据系统、软件界面面对的都是字节流、结构体以及控件，现在面对的是nn（neural network ，神经网络）了。2.神经网络实现的现成框架：Caffe（c++实现的）采用以层为单位的抽象,优点是逻辑清晰,实现简便,但是需要手动实现梯度计算;而Tensorflow是以计算图为基础,是，先编译后计算；pyTorch是。

阅读 786

29赞

创建Python虚拟环境,并安装MuJoCo仿真环境以及PyTorch(支持GPU) 如果你在维护一个使用 Gym 的旧项目，可能暂时保持不变也可以，但在未来考虑迁移到 Gymnasium 会是一个好主意。虽然 Gym 仍然可以使用，但 Gymnasium 被认为是更好的选择，尤其是对于新项目。这段代码会打印MuJoCo和PyTorch的版本,检查CUDA是否可用,并运行一个简单的MuJoCo环境来验证安装是否成功。- Gymnasium 保持了与 Gym 的大部分 API 兼容性，同时修复了许多已知问题。- 增加了新功能，如更好的错误处理和更一致的 API。

阅读 1.3k

11赞

作者推荐

小白的高手之路: 小Liang爱学习期待共同进步

关注

Elephant_King: github:https://github.com/Elephant-King9 平时写的代码会上传到github，欢迎学习交流

关注

科学禅道: 公益心态，快乐实践~ 风物长宜放眼量~

关注

Steve lu: 一个情感丰富的理科男

关注

使者大牙: 双985硕，自动驾驶系统集成高级工程师，汽车研发从业7→8年，致力发展深度学习。

关注

摸鱼界在逃劳模: 彼方尚有荣光在.

关注

技术瘾君子1573: 常言道:授人以鱼不如授人以渔。经过长时间理论与实践的结合，旨在记录分享实用技术经验，从硬件到操作系统再到具体应用，涉及服务器、存储、网络、操作系统、云计算、大数据、容器、人工智能、HPC等众多领域的知识分享，您的关注就是我最大的动力，加油！

关注

Dawn³: 数学进圈，AI进阶小小只，day-to-day coding 喜欢实操

关注

@Mr_LiuYang: AI从业者

关注

AI吃大瓜: 计算机视觉高级研究员，主要从事人工智能AI算法研究工作;熟悉多模态大模型,RAG技术,小模型开发如人脸检测,人脸识别,活体识别以及2D/3D Pose(人体姿态估计),行人重识别ReID等深度学习开发工作，具有丰富的项目开发工作经验。

关注