pytorch知识收集箱

Pytorch中的RNN之pack_padded_sequence()和pad_packed_sequence()
https://www.cnblogs.com/sbj123456789/p/9834018.html
pytorch学习笔记(二十一): 使用 pack_padded_sequence
https://blog.csdn.net/u012436149/article/details/79749409
Pytorch中的RNN之pack_padded_sequence
https://blog.csdn.net/jingquanliang/article/details/96315232

Pytorch——conv2d参数使用
https://blog.csdn.net/lzc842650834/article/details/90265621

理解Pytorch中LSTM的输入输出参数含义
https://zhuanlan.zhihu.com/p/100360301

PyTorch中view的用法
https://blog.csdn.net/york1996/article/details/81949843
Pytorch里面的X.view(-1)操作【类似reshape】
https://blog.csdn.net/qq_38929105/article/details/106438045
x = x.view(x.size()[0],-1)#相当于keras的flatten()
https://www.jianshu.com/p/76b4d38b5ba9

PyTorch中permute的用法类似【类似transpose】
https://blog.csdn.net/york1996/article/details/81876886

pytorch中的size()、 squeeze()函数
https://www.cnblogs.com/picassooo/p/12528834.html

【学习笔记】pytorch中squeeze()和unsqueeze()函数介绍
https://blog.csdn.net/flysky_jay/article/details/81607289

PyTorch中的contiguous
https://zhuanlan.zhihu.com/p/64551412

pytorch中index_select()的用法
https://blog.csdn.net/g_blink/article/details/102854188

PyTorch中linspace的详细用法
https://blog.csdn.net/york1996/article/details/81671128

init.xavier_uniform()的用法
https://blog.csdn.net/luoxuexiong/article/details/95772045

python中[-1]、[:-1]、[::-1]、[2::-1]以及np.argsort使用方法
https://blog.csdn.net/lz739337660/article/details/100151447
np.argsort()的用法
https://www.cnblogs.com/lucas-zhao/p/11697203.html

Pytorch详解NLLLoss和CrossEntropyLoss
https://blog.csdn.net/qq_22210253/article/details/85229988

torch.max()使用讲解
https://www.jianshu.com/p/3ed11362b54f

Pytorch中, torch.einsum详解
https://blog.csdn.net/a2806005024/article/details/96462827
https://zhuanlan.zhihu.com/p/44954540

RuntimeError: Expected object of device type cuda but got device type cpu for argument #2 ‘target’
https://blog.csdn.net/weixin_37913042/article/details/103009733
https://blog.csdn.net/alittlebai1/article/details/105523805

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值