PYTORCH文档
PyTorch是一个使用GPU和CPU进行深度学习的优化张量库。
本文档中描述的功能按版本状态分类:
稳定:这些功能将被长期维护，并且在文档中通常不应该有重大的性能限制或缺口。我们还希望保持向后兼容性(虽然突破性的变化可能会发生，通知将提前一个版本)。
测试版:这些功能被标记为测试版，因为API可能会根据用户反馈而改变，因为性能需要改进，或者因为跨运营商的覆盖范围尚未完成。对于测试版特性，我们承诺将该特性进行稳定分类。然而，我们并不承诺向后兼容。
原型:这些特性通常不作为PyPI或Conda等二进制发行版的一部分提供，除了有时在运行时标志后面，并且处于反馈和测试的早期阶段。
社区
开发者笔记
- CUDA自动混合精度示例
- 亲笔签名的力学
- 广播语义学
- CPU线程和TorchScript推断
- CUDA语义
- 分布式数据并行
- 扩展PyTorch
- 用亲笔签名扩展torch.func。功能
- 常见问题
- Gradcheck力学
- HIP (ROCm)语义
- 适用于大规模部署的功能
- 模块
- MPS后端
- 多重处理最佳实践
- 数字准确度
- 再现性
- 序列化语义
- Windows常见问题
火炬.编译
语言绑定
Python API
- 参数
- 未初始化参数
- 未初始化缓冲区
- 容器
- 卷积层
- 池层
- 填充层
- 非线性激活(加权和、非线性)
- 非线性激活(其他)
- 标准化图层
- 循环层
- 变压器层
- 线性图层
- 脱落层
- 稀疏层
- 距离函数
- 损失函数
- 视觉层
- 无序播放图层
- 数据并行层(多GPU、分布式)
- 公用事业
- 量化函数
- 惰性模块初始化
- 火炬，亲笔签名，向后
- 火炬，亲笔签名，毕业生
- 正向模式自动微分
- 功能性高级API
- 局部禁用梯度计算
- 默认渐变布局
- 张量的就地运算
- 变量(已弃用)
- 张量自动签名函数
- 功能
- 上下文方法混合
- 数字梯度检验
- 仿形铣床
- 异常检测
- 亲笔签名的图表
- 流上下文
- torch . cuda . can _设备_访问_对等
- torch.cuda.current_blas_handle
- 火炬. cuda.current_device
- 火炬. cuda.current_stream
- 火炬. cuda.default_stream
- 设备
- 火炬. cuda .设备_计数
- 设备_of
- torch.cuda.get_arch_list
- torch . cuda . get _ device _ capacity
- torch.cuda.get_device_name
- torch . cuda . get _设备_属性
- torch.cuda.get_gencode_flags
- 火炬. cuda.get_sync_debug_mode
- 火炬. cuda.init
- torch . cuda . IPC _收集
- torch . cuda . is _可用
- torch.cuda.is_initialized
- torch.cuda.memory _ usage用法
- torch . cuda . set _设备
- torch.cuda.set_stream
- 火炬. cuda.set_sync_debug_mode
- 火炬. cuda.stream
- torch.cuda.synchronize
- 火炬. cuda .利用
- 火炬. cuda .温度
- torch.cuda.power_draw
- 火炬. cuda.clock_rate
- torch . cuda . out of memory错误
- 随机数发生器
- 通信集体
- 流和事件
- 图表(测试版)
- 内存管理
- NVIDIA工具扩展(NVTX)
- Jiterator (beta)
- 蒸汽消毒剂(原型)
- torch.mps.synchronize
- torch.mps.get_rng_state
- torch.mps.set_rng_state
- torch.mps.manual_seed
- 火炬. mps.seed
- torch.mps.empty_cache
- 火炬. MPs . set _ per _ process _ memory _ fraction
- torch . MPs . current _ allocated _内存
- torch . MPs . driver _ allocated _内存
- 火炬.后端. cuda
- 火炬.后端. cudnn
- torch.backends.mps
- torch.backends.mkl
- torch.backends.mkldnn
- torch.backends.openmp
- torch.backends.opt_einsum
- 火炬.后端.至强
- 后端
- 基础
- 初始化
- 初始化后
- 分布式键值存储
- 组
- 点对点通信
- 同步和异步集合操作
- 集体职能
- 剖析集体交流
- 多GPU集合函数
- 第三方后端
- 启动实用程序
- 产卵工具
- 排除故障torch.distributed应用程序
- 伐木
- 得分函数
- 路径导数
- 分配
- 指数族
- 伯努利
- 贝塔
- 二项式
- 绝对的
- 柯西
- Chi2
- 连续伯努利
- 狄利克雷的
- 指数的
- 渔民协会
- 微克
- 几何学的
- 冈贝尔
- 哈夫柯西
- 半正常
- 自主的
- 库马拉斯瓦米
- LKJCholesky
- 拉普拉斯（侯爵）
- 对数正态的
- LowRankMultivariateNormal
- mixture同一个家庭
- 多项式
- 多元常态
- 消极经济
- 常态
- OneHotCategorical
- 帕累托理论及方法的
- 泊松
- 松弛的伯努利
- LogitRelaxedBernoulli
- 松弛的
- 学生t
- 变形分布
- 制服
- 冯米斯
- （统计学家）威伯尔（或韦布尔）
- 威沙特
- KL散度
- 转换
- 限制
- 约束注册表
- 火炬。储存；储备
- 火炬测试
- torch.utils .基准
- torch.utils .瓶颈
- torch.utils.checkpoint
- torch.utils.cpp_extension
- torch.utils.data
- torch.utils.jit
- torch.utils.dlpack
- torch.utils.mobile_optimizer
- torch.utils.model_zoo
- torch.utils.tensorboard
- 类型信息
图书馆
1401
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
