2021-8-5 20:53注意:我没有在 JuliaCon 上介绍这个演讲大纲的一些内容,并在其他部分即兴创作,因此视频不匹配或涵盖这里写的所有内容。据我所知,Julia 社区邀请来自相邻开源社区的人们发表主题演讲,向他们学习。因此,在我的主题演讲中,我试图介绍我通过 Torch 和 PyTorch 的旅程。大多数开源项目并不仅仅从“我们需要......
2021-7-24 7:0在之前的一些博客文章中,我们详细描述了如何通过将图转换合并到代码生成中来泛化自动微分以自动增强稳定性和各种其他细节。但是,我们没有过多讨论的一件事是这些类型的算法的局限性。这种限制就是我们所说的“准静态”,即一种算法可以重新解释为某种静态算法的特性。事实证明,出于非常根本的原因,这与某些主要机器学习框架对它们可以完全......
2021-4-11 14:43ML代码中的错误难以修复 - 它们不会导致编译错误,但默默地回归准确性。一旦你忍受了痛苦并固定其中一个,就会将课程蚀刻到你的大脑中?错误的。最近,一个古老的敌人卷土重来 - 一个熟悉的虫子再次咬我!如前所述,修复后性能显着提高。
这虫子很微妙,易于制作。它有多少伤害?好奇,我从导入pytorch的github下载了......
2020-9-26 1:5有关使用pytorch计算初始分数和FID分数的详细信息,请参阅Pytorch-Unified-Inception-FID-Score。
下载用于计算FID分数的cifar10_stats.npz,并将其放入./stats/cifar10_stats.npz,这是默认路径
2020-9-15 2:31CVPR 2020带来了它在计算机视觉领域的新想法,以及在3D视觉领域的一些有趣的想法。在探索的所有这些新想法中,华为、悉尼大学和北京大学的研究人员撰写了一篇著名的论文,题为“GhostNet:更多来自廉价运营的功能”(GhostNet:More Feature From Cheap Operations),成功地让......
2020-9-1 20:47Opacus是一个能够以不同隐私培训PyTorch模型的库。它支持培训,只需对客户端进行最少的代码更改,对培训性能几乎没有影响,并且允许客户端在线跟踪在任何给定时刻花费的隐私预算。
ML实践者会发现这是训练具有不同隐私的模型的一个温和入门,因为它只需要最少的代码更改。
差异隐私的科学家会发现这很容易实验和修补,让他们......
2020-8-10 11:50概率图是一个基于令人惊叹的Pytorch(https://pytorch.org)to)的库,易于使用和改编有向和无向分层概率图形模型。这些机器包括受限Boltzmann机器、深度信念网络、深度Boltzmann机器和HelmholtzMachines(Sigmoid信念网络)。
可以使用单元层、随机单元层以及这些单......