Running Snail

本章只是对pytorch的常规操作进行一个总结，大家看过有脑子里有印象就好，知道有这么个东西，需要的时候可以再去详细的看，另外也还是需要在实战中多运用。Tensor attributes:在tensor attributes中有三个类，分别为torch.dtype, torch.device, 和 torch.layout其中， torch.dtype 是展示 torch.Tensor 数据类型的类，pytorch 有八个不同的数据类型,下表是完整的 dtype 列表.Torch.device 是

为了帮助提高Pytorch的训练效率，NVIDIA开源了一款混合精度训练工具Apex。号称能够在不降低性能的情况下，将模型训练的速度提升2-4倍，训练显存消耗减少为之前的一半。官方安装方法（没能成功）git clone https://github.com/NVIDIA/apexcd apexpip install -v --no-cache-dir --global-option="--cpp_ext" --global-option="--cuda_ext" ./2.用下面的方法成功安装了

requirements.txt可以通过pip命令自动生成和安装，这种情况更适用于此项目是单独的虚拟python环境生成requirements.txt文件pip freeze > requirements.txtpip3 freeze > requirements.txt安装requirements.txt依赖pip install -r requirements.txtpip3 install -r requirements.txt...

def setup_seed(seed): random.seed(seed) np.random.seed(seed) torch.manual_seed(seed) torch.cuda.manual_seed(seed) torch.cuda.manual_seed_all(seed) torch.backends.cudnn.benchmark = False torch.backends.cudnn.deterministic = True

问题最近在运行模型时，结果不稳定，所以尝试修改随机初始化的参数，使参数是随机初始化的，但是每次都一样发现是用了self.embed_user = nn.Embedding(user_num, factor_num) self.embed_item = nn.Embedding(item_num, factor_num)是调用了torch.nn.Embedding()进行了初始化， 创建了一个嵌入的模型尝试一发现对于embed_user的调用都是weightusers_embedd