PyTorch

AMD加入新PyTorch基金会成为创始成员,推动人工智能和机器学习能力得到更广泛的采用

AMD将提供各种各样的计算引擎能力和开放软件的专业知识,以帮助提高加速工作负载的领先性能

PyTorch快速微调量化的一个例子

训练好的模型在部署过程中的Vitis AI转换过程要经过优化、量化和编译等步骤。尤其是量化,可以通过三种不同的方式实现。

开发者分享 | 利用 Python 和 PyTorch 处理面向对象的数据集 - 3:猫和狗

在本篇博文中,我们将在“猫和狗”数据库上重复先前第 2 部分中已完成的过程,并且我们将添加一些其它内容。

开发者分享 | 利用 Python 和 PyTorch 处理面向对象的数据集(2)) :创建数据集对象

本篇是利用 Python 和 PyTorch 处理面向对象的数据集系列博客的第 2 篇。我们在第 1 部分中已定义 MyDataset 类,现在,让我们来例化 MyDataset 对象,此可迭代对象是与原始数据交互的接口,在整个训练过程中都有巨大作用。

开发者分享 | 利用 Python 和 PyTorch 处理面向对象的数据集(1):原始数据和数据集

在本文中,我们将提供一种高效方法,用于完成数据的交互、组织以及最终变换(预处理)。随后,我们将讲解如何在训练过程中正确地把数据输入给模型。PyTorch 框架将帮助我们实现此目标,我们还将从头开始编写几个类。PyTorch 可提供更完整的原生类,但创建我们自己的类可帮助我们加速学习。