今天我们将从一个具体案例出发，演示如何在 Torch Distributed 技术加持下，在 TorchMultimodal 库中扩展多模态基础模型。

近期我打算不定期更新一些pytorch的教程，记录一些经常遇到的方法，避免每次遇到后重复搜索浪费时间，在之前我主要写过两篇pytorch教材，感兴趣的可以看一下，分别如下：

如何组织数据是一个很重要的问题，在SGD（随机梯度下降）的过程中，batch的大小对训练的速率有较大的影响，因此如何对数据集进行采样，也是一个重要的问题

3 个 FX Transformation 现已应用于 Meta 内部的推荐模型。利用Graph Transformation 优化 PyTorch 模型吧

Pytorch模型部署上线一般需要转成ONNX模型，本文接续之前的文章继续实践演练，完成模型转换和利用onnxruntime完成预测。

多模态人工智能是一种新型 AI 范式，是指图像、文本、语音、视频等多种数据类型，与多种智能处理算法相结合，以期实现更高的性能。

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第32天，点击查看活动详情 因为我最近想学Pytorch lightning，重构一下之前的代码，所以回来梳理一下Pytorch的

Emerge 源代码可视化工具、PyTorch 深度度量学习库、基于PyTorch的VITS-BigVGAN的TTS中文模型、JSON文件结构化diff工具、流体动力学资源列表、图像补全资源列表…

本文正在参加「金石计划 . 瓜分6万现金大奖」  本文延续前一篇文章的例子。只是例子一样，代码实现是逐步优化的，但是知识点没什么必然关联。 几个例子帮你梳理PyTorch知识点（张量、autograd

本文正在参加「金石计划 . 瓜分6万现金大奖」     pytorch保存与加载模型详解篇 写在前面   最近，看到不少小伙伴问pytorch如何保存和加载模型，其实这部分pytorch官网介绍的也是

本文正在参加「金石计划 . 瓜分6万现金大奖」 Batch_Normalization 、Layer_Normalization 、Group_Normalization你分的清楚吗 写在前面   这

一、简介 在深度学习方面，TensorFlow 和 PyTorch是绝对的王者。但是，但除了这两个框架之外，一些新生的框架也不容小觑，比如谷歌推出的 JAX深度学习框架。 1.1、快速发展的JAX J

内附多个 PyTorch 中文教程。近日，PyTorch 团队在官方博客宣布 Pytorch 1.13 发布。本文将详细围绕新版本的 4 大亮点展开介绍。

Transforms V2 时代开启。TorchVision Transforms API 扩展升级，现已支持目标检测、实例及语义分割以及视频类任务。新 API 尚处于测试阶段，开发者可以试用体验。

伪代码生成大幅可视化图、VTA个性化的自画像工具、tsai 基于Pytorch & fastai的深度学习时序处理库、Scholar构建在Nx基础上的机器学习工具、扩散模型资源列表、前沿论文…

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第27天，点击查看活动详情 当我们训练神经网络的时候，最常用的就是使用反向传播。在反向传播过程中，参数变化只和给定参数通过loss

通用信息抽取UIE的PyTorch版、基于MPSGraph的ONNX推理引擎、Google Earth Engine机器学习包、Selective 白盒特征选择库、系统设计资源合辑、前沿论文…

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第31天 讲解一下，怎么用Fashion-MNIST数据集，我们自己建一个神经网络，训练好之后用它做图片分类。

本文主要介绍PyTorch的基础知识，PyTorch的优点，案例，PyTorch和Tensorflow的对比，让我们对PyTorch的框架有一个基本的了解。

ShowMeAI资讯日报 08-27 期，检查和调整基于transformer的语言模型、camviz对单目深度估计结果进行可视化、检视PyTorch模型中间层、FerretDB完美替代MongoDB