张量第6页

H100突破生成式AI性能边界

性能维度前代产品基准H100提升幅度关键技术支撑训练速度1x9倍动态张量核心技术推理吞吐量

智能计算研究中心·2025-04-03 13:25

TensorFlow 字符串操作

字符串分割示例3：字符串大小写转换示例4：字符串长度示例5：正则匹配TensorFlow提供了tf.strings模块，支持常见的字符串操作：示例1：字符串拼接importtensorflowastf#创建字符串张量

浊酒南街·2025-04-03 11:42

Pytorch中torch.nn.functional模块介绍

激活函数：如ReLU、Sigmoid、Tanh卷积运算：包括1D/2D/3D卷积、转置卷积池化操作：最大池化、平均池化、自适应池化正则化方法：Dropout、BatchNorm损失函数：交叉熵、均方误差张量操作

小白的高手之路·2025-04-03 02:44

Pytorch中的Transforms学习

它提供了一系列预定义的函数和类，用于将原始图像转换为适合深度学习模型输入的张量格式，同时支持数据增强以提高模型的泛化能力。

小白的高手之路·2025-04-03 02:43

PyTorch 核心详解

PyTorch核心详解目录PyTorch核心详解目录1.PyTorch简介2.张量（Tensor）操作基本操作常用函数3.自动微分（Autograd）基本用法禁用梯度跟踪4.神经网络模块（nn.Module

Code_Geo·2025-04-03 00:58

PyTorch深度学习入门与实战教程

教程涵盖了从基础概念到模型训练、验证、测试的完整流程，包括张量操作、动态计算图、数据预处理、神经网络构建、优化器使用、训练循环、模型保存加载以及CNN和RNN等关键网络结构的应用实践。

openbiox·2025-04-02 15:01

Pytorch 张量操作

PyTorch作为一个强大的深度学习框架，其核心数据结构是张量（Tensor）。张量是一个多维数组，类似于NumPy的数组，但具有更强大的功能，尤其是在GPU上进行高效计算。

niuguangshuo·2025-04-02 11:35

Pytorch--tensor.view()

在PyTorch中，tensor.view()是一个常用的方法，用于改变张量（Tensor）的形状（shape），但不会改变其数据本身。它类似于NumPy的reshape()，但有一些关键区别。

潇湘馆记·2025-03-30 11:31

TensorFlow 深度学习框架详解

TensorFlow深度学习框架详解1.框架概述TensorFlow是由GoogleBrain团队开发的开源机器学习框架，其名称源于处理多维数据数组（张量）的数据流图（Flow）的运行方式。

奶油话梅糖·2025-03-29 17:34

张量运算：人工智能的数学基石

博主简介：CSDN博客专家、全栈领域优质创作者、高级开发工程师、高级信息系统项目管理师、系统架构师，数学与应用数学专业，10年以上多种混合语言开发经验，从事PACS医学影像开发领域多年，熟悉DICOM协议及其应用开发技术。我的技能涵盖了多种编程语言和技术框架：作为高级C/C++与C#开发工程师，擅长Windows系统下的.NET及C++开发技术，尤其精通MFC、DLL动态链接库、WinForm、W

猿享天开·2025-03-28 09:46

如何提升大模型的训练效率deepspeed 和 flash attition

2.3D并行（数据+模型+流水线并行）结合数据并行、模型并行（如张量切分）和流水线并行（PipelineParallelism），支持超大规模模型的分布

冰蓝蓝·2025-03-28 07:30

TensorFlow面试题及参考答案

解释张量（Tensor）的概念及其在TensorFlow中的作用。解释TensorFlow中张量（Tensor）的核心概念及与Numpy数组的异同。

大模型大数据攻城狮·2025-03-28 05:44

【transformer理论+实战（三）】必要的 Pytorch 知识

Transformer理论+实战（二）】Lora本地微调实战--deepseek-r1蒸馏模型【Transformer理论+实战（一）】Transformer&LLaMA&Lora介绍文章目录Pytorch基础张量

造夢先森·2025-03-28 02:23

pytorch与其他ai工具

回答：“PyTorch使用动态图（Define-by-Run），允许在运行时修改计算逻辑，调试直观（如print张量值），适合研究场景；缺点是部署时需转为静态图（TorchScript）以优化性能。”

weixin_47868976·2025-03-27 17:21

深度学习框架PyTorch——从入门到精通（10）PyTorch张量简介

（可能跟之前的有一定的重复）创建张量随机张量和种子张量形状张量数据类型使用PyTorch张量进行数学与逻辑运算简单介绍——张量广播关于张量更多的数学操作原地修改张量复制张量迁移到加速器操作张量形状改变维度数量

Fansv587·2025-03-27 17:19

【深度学习基础 2】 PyTorch 框架

目录一、PyTorch简介二、安装PyTorch三、PyTorch常用函数和操作3.1创建张量（Tensor）3.2基本数学运算3.3自动求导（Autograd）3.4定义神经网络模型3.5训练与评估模型

鸢想睡觉·2025-03-27 08:07

V100加速引擎与效能突破

其核心架构创新可归纳为三个维度：首先，TensorCore引入稀疏化计算与动态张量切片技术，显著提升矩阵运算密度；其次，混合精度计算通过FP16/FP32自适应精度调度算法，在模型收敛性与计算效率间达成平衡

智能计算研究中心·2025-03-27 02:23

向量数据库与常见的搜索算法

比如一行N个字的文本，可以转成N*256维张量，一个图片可以转成3*100*100张量。将这些向量投射到空间中，可以发现越“相似”的实体，他们的向量也在空间中更“接近”。

杰瑞哥哥·2025-03-26 20:38

TensorFlow之常量的使用1

目录前言示例示例1示例2示例3前言TensorFlow中定义的数据叫做Tensor(张量),Tensor又分为常量和变量。常量一旦定义值不能改变。使用tf.constant定义常量。

浊酒南街·2025-03-26 14:23

H100赋能生成式AI算力革新

根据公开测试数据，H100在生成式AI模型的训练场景中，相比前代产品实现了6倍的吞吐量跃升，单卡可支持每秒4PB量级的张量处理能力。这一技术演进不仅显著缩短了千亿参数模型的开发周期，更

智能计算研究中心·2025-03-26 04:13

《Python实战进阶》第32集：使用 TensorFlow 构建神经网络

本集将带领您学习如何使用TensorFlow构建简单的神经网络，并深入理解其核心概念（如张量、计算图）以及神经网络的基本组件（如层、激活函数、损失函数）。

带娃的IT创业者·2025-03-26 01:46

OneFlow深度学习框架介绍

框架的安装与配置2.1.1环境准备2.1.2安装OneFlow框架Linux系统安装Windows系统安装MacOS系统安装2.1.3配置OneFlow框架2.2OneFlow框架的核心概念2.2.1张量

技术探秘者·2025-03-25 04:13

Manus智能体持续学习系统的技术实现与效能验证 —— 基于多模态记忆架构与联邦迁移学习的创新框架研究

该框架通过以下创新机制实现了智能体在多领域、多任务场景下的高效持续学习：四层记忆系统（HMS）：基于张量压缩的层次化记忆存储架构，实现对PB级数据的有效管理和快速检索，检索延迟低至0.3

熵减画眉·2025-03-25 01:46

深度学习框架PyTorch——从入门到精通（6.2）自动微分机制

本节自动微分机制是上一节自动微分的扩展内容自动微分是如何记录运算历史的保存张量非可微函数的梯度在本地设置禁用梯度计算设置requires_grad梯度模式（GradModes）默认模式（梯度模式）无梯度模式推理模式评估模式

Fansv587·2025-03-24 06:17

基于 PyTorch 的 MNIST 手写数字分类模型

二、依赖库torch：PyTorch深度学习框架的核心库，提供了张量操作、自动求导等功能。torch.nn：PyTorch的神经网络模块，包含了各种神经网络层、损失函数等。torc

欣然～·2025-03-24 04:27

卷积神经网络 - 理解卷积核的尺寸 k×k×Cin

以下是详细解释：1.输入数据的结构输入形状：假设输入数据为三维张量，形状为H×W×Cin，其中：H：高度（Height）W：宽度（Width）Cin：通道数（Channelsin）多通道的物理意义：对于

谦亨有终·2025-03-23 22:26

PyTorch核心基础知识点

niuTaylor·2025-03-23 21:20

【无标题】

KVCache（键值缓存）是一种优化策略，它缓存先前计算的K/V张量，避免重复计算，从而提高生成速度并降低计算成本。2.KVCache在自回归

gs80140·2025-03-21 06:19

H800核心性能优化技术

其技术突破聚焦于张量核心重构带来的计算密度提升、混合精度运算对资源利用率的增强，以及智能散热方案在复杂负载场景下的稳定性保障。

智能计算研究中心·2025-03-21 01:13

注意力机制：让AI拥有“黄金七秒记忆“的魔法----（点积注意力）

想象我们有两个张量x1和x2，我们希望⽤注意⼒机制把它俩给衔接起来，让x1看⼀看，x2有哪些特别值得关注的地⽅。具体来说，要得到x1对x2的点积注意⼒，我们可以按照以下步骤进⾏操作。

y江江江江·2025-03-20 06:33

MNIST数据集&手写数字识别

TensorFlow的核心概念是张量（Tensor）和流图（Graph）。张量是TensorFlow中的基本数据单位，可以理解为多维数组，可以是标量、向量、矩阵或更高维度的数组。

Zoro｜·2025-03-19 13:18

Megatron-LM训练框架和Deepspeed训练框架最主要的异同和优劣是什么

核心异同点并行策略Megatron-LM核心：以张量并行（TensorParallelism）和流水线并行（PipelineParallelism）为主，结合数据并行。

强化学习曾小健·2025-03-19 09:15

Pytorch torch.prod函数介绍

torch.prod是PyTorch库中的一个函数，用于计算输入张量中所有元素或者指定维度上元素的乘积。下面将从函数的基本语法、参数、返回值、使用示例几个方面进行详细介绍。

qq_27390023·2025-03-19 07:22

深度学习框架PyTorch——从入门到精通（5）自动微分

使用torch.autograd自动微分张量、函数和计算图计算梯度禁用梯度追踪关于计算图的更多信息张量梯度和雅可比乘积在训练神经网络时，最常用的算法是反向传播。

Fansv587·2025-03-19 06:20

深度学习中的Channel，通道数是什么？

一般pytorch中尺寸/张量的表现方式是：torch.size([16,3,24,24])。这四个参数的含义如下：16

%KT%·2025-03-19 02:39

python，squeeze的详细解释，代码并进行解释

总结python，squeeze的详细解释，代码并进行解释Python中的squeeze操作Squeeze是一个用于去除张量或数组

资源存储库·2025-03-18 20:59

torch.unsqueeze：灵活调整张量维度的利器

在深度学习框架PyTorch中，张量（Tensor）是最基本的数据结构，它类似于NumPy中的数组，但可以在GPU上运行。在日常的深度学习编程中，我们经常需要调整张量的维度以适应不同的操作和层。

冰蓝蓝·2025-03-17 23:07

PyTorch中，将`DataLoader`加载的数据高效传输到GPU

一、数据加载到GPU的核心步骤数据预处理与张量转换若原始数据为NumPy数组或Python列表，需先转换为PyTorch张量：X_tensor=torch.from_numpy(X).float()#转换为浮点张量

大霸王龙·2025-03-17 20:42

【数学基础】线性代数#1向量和矩阵初步

目录标量、向量、矩阵和张量矩阵运算单位矩阵和逆矩阵线性相关和生成子空间范数特殊类型的矩阵和向量特征分解奇异值分解Moore-Penrose伪逆迹运算行列式标量、向量、矩阵和张量标量标量是一个单独的数。

-一杯为品-·2025-03-17 16:38

【动手学深度学习】#1PyTorch基础操作

数据操作1.1.1入门1.1.2运算符1.1.3广播机制1.1.4索引和切片1.1.5节省内存1.1.6转换为其他Python对象1.2数据预处理1.2.1读取数据集1.2.2处理缺失值1.2.3转换为张量格式

-一杯为品-·2025-03-17 13:17

PyTorch从入门到精通：探索深度学习新境界

本文将带领您从张量操作基础开始，逐步探索GPU加速、动态图机制、框架生态集成等高级主题，最终实现理论与实战的双重突破。一、PyTorch核心基础构建1.

lmtealily·2025-03-17 04:36

算法手撕面经系列(1)--手撕多头注意力机制

多头注意力机制一个简单的多头注意力模块可以分解为以下几个步骤：先不分多头，对输入张量分别做变换，得到Q,K,VQ,K,VQ,K,V对得到的Q,K,VQ,K,VQ,K,V按头的个数进行split；用Q,

夜半罟霖·2025-03-16 07:37

深度学习 Deep Learning 第2章线性代数

张量操作是神经网络计算的基石，矩阵乘法是前向传播的核心，范数约束模型复杂度，而生成空间理论揭示模型表达能力的本质。本章介绍线性代数的基本内容，为进一步学习深度学习做准备。

odoo中国·2025-03-16 07:07

【深度学习与大模型基础】第3章-张量

今天我们来聊聊张量（Tensor）。别被这个词吓到，其实它没那么复杂。什么是张量？简单来说，张量就是一个多维数组。你可以把它看作是一个装数据的容器，数据的维度可以是一维、二维，甚至更高。

lynn-66·2025-03-15 23:08

【PyTorch】PyTorch 中改变张量形状的几种方法

PyTorch中改变张量形状的几种方法在深度学习领域，PyTorch是一个广泛使用的框架，它提供了丰富的API来处理张量（tensor）。在模型开发过程中，我们经常需要改变张量的形状以满足特定的需求。

shengchao0920·2025-03-15 17:27

PyTorch 中的维度操作详解

在PyTorch中，维度（dimension）是描述张量形状的一种方式。维度操作是PyTorch中非常重要的功能，常用于调整张量的形状以适配各种计算需求。以下是常见的维度操作及其示例。

萝卜小白·2025-03-15 17:26

torch.logical_and()方法

torch.logical_and()计算给定输入张量的元素逻辑AND。

CodeWang_NC·2025-03-15 17:56

llm数据存储基础设施

链接:https://i68.ltd/notes/posts/20250310-llm-db/infinity专为LLM应用程序构建的AI原生数据库，可提供对密集向量、稀疏向量、张量（多向量）和全文的快速混合搜索项目仓库

galileo2016·2025-03-15 17:24

【PyTorch】torch.nn.functional.log_softmax() 函数：计算 log(softmax)，用于多分类任务

1.log_softmax的数学公式对于输入张量XXX，softmax计算如下：softmax(Xi)=eXi∑jeXj\text{softma

彬彬侠·2025-03-14 23:54

数据分析及人工智能框架汇总

Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。

xihuanyuye·2025-03-14 21:00

推荐频道

张量