PyTorch 中文教程 & 文档

白天 夜间 首页 下载 阅读记录
  我的书签   添加书签   移除书签

在生产中部署 PyTorch 模型

赞赏作者 来源 来源 浏览 448 扫码 分享 2022-06-01 17:37:41
  • 在生产中部署 PyTorch 模型

    在生产中部署 PyTorch 模型

    若有收获，就点个赞吧

    0 人点赞

    上一篇:
    下一篇:
    • 书签
    • 添加书签 移除书签
    • 内容导航
    • 0.3 内容导航
    • 0.4 版本内容导航
    • 1.0 内容导航
    • 1.4 内容导航
    • 1.7 版本内容导航
    • 最近更新
    • 1.7 版本内容导航
    • 贡献指南
    • 致谢
    • 自动求导机制
    • CUDA语义
    • 扩展PyTorch
    • 多进程最佳实践
    • 序列化语义
    • torch.utils.data
    • torch.utils.ffi
    • torch.nn.functional
    • 遗产包 - torch.legacy
    • torch.utils.model_zoo
    • torch.nn.init
    • torch.Storage
    • torch.Tensor
    • Automatic differentiation package - torch.autograd
    • torch.cuda
    • torch.multiprocessing
    • torch.nn
    • torch.optim
    • torch
    • PyTorch 0.2 中文文档
    • torchvision.datasets
    • torchvision.models
    • pytorch torchvision transform
    • torchvision.utils
    • torchvision
    • 高级教程
    • Automatic differentiation package - torch.autograd
    • 初学者教程
    • 自动求导: 自动微分
    • 训练一个分类器
    • 可选: 数据并行
    • 神经网络
    • PyTorch 是什么？
    • 为 pytorch 自定义 C 扩展
    • 用字符级RNN分类名称
    • 基与字符级RNN(Char-RNN）的人名生成
    • torch.cuda
    • 数据加载和处理教程
    • torch.utils.data
    • torchvision.datasets
    • PyTorch 深度学习: 60 分钟极速入门教程
    • 针对NLP的Pytorch深度学习
    • Writing Distributed Applications with PyTorch
    • Distributed communication package - torch.distributed
    • Probability distributions - torch.distributions
    • torch.utils.ffi
    • Autograd (自动求导)
    • nn package
    • Multi-GPU examples
    • Tensors
    • PyTorch for former Torch users
    • 中级教程
    • Legacy package - torch.legacy
    • torch.utils.model_zoo
    • torchvision.models
    • Multiprocessing package - torch.multiprocessing
    • 用 PyTorch 做 神经转换 (Neural Transfer)
    • 高级教程: 作出动态决策和 Bi-LSTM CRF
    • PyTorch深度学习
    • PyTorch介绍
    • 序列模型和 LSTM 网络(长短记忆网络）
    • 词汇嵌入:编码词汇语义
    • torch.nn
    • 自动求导机制
    • 广播语义
    • CUDA 语义
    • 扩展 PyTorch
    • 多进程的最佳实践
    • 序列化语义
    • 介绍
    • 使用 numpy 和 scipy 创建扩展
    • torch.onnx
    • torch.optim
    • Package 参考
    • PyTorch: 动态控制流程 + 权重共享
    • PyTorch: 定制化nn模块
    • PyTorch: 定义新的autograd函数
    • PyTorch: nn包
    • PyTorch: optim包
    • PyTorch: Tensors
    • PyTorch: 变量和autograd
    • TensorFlow: 静态图
    • Warm-up: numpy
    • 跟着例子学习 PyTorch
    • PyTorch 0.3 中文文档 & 教程
    • 强化学习(DQN）教程
    • 用基于注意力机制的seq2seq神经网络进行翻译
    • torch.sparse
    • 空间转换网络 (Spatial Transformer Networks) 教程
    • torch.Storage
    • 使用 ONNX 将模型从 PyTorch 迁移到 Caffe2 和 Mobile
    • torch.Tensor
    • torch
    • torchvision 参考
    • torchvision
    • 迁移学习教程
    • torchvision.transforms
    • 中文教程
    • torchvision.utils
    • 笔记
    • 自动求导机制
    • Torch
    • torch.Tensor
    • Tensor Attributes
    • torch.sparse
    • torch.cuda
    • torch.Storage
    • torch.nn
    • torch.nn.functional
    • 自动差异化包 - torch.autograd
    • torch.optim
    • 广播语义
    • torch.nn.init
    • torch.distributions
    • Multiprocessing 包 - torch.multiprocessing
    • 分布式通讯包 - torch.distributed
    • torch.utils.bottleneck
    • torch.utils.checkpoint
    • torch.utils.cpp_extension
    • torch.utils.data
    • torch.utils.ffi
    • torch.utils.model_zoo
    • CUDA 语义
    • torch.onnx
    • 遗留包 - torch.legacy
    • torchvision 参考
    • torchvision
    • torchvision.datasets
    • torchvision.models
    • torchvision.transform
    • torchvision.utils
    • 扩展 PyTorch
    • 常见问题
    • 多进程最佳实践
    • 序列化语义
    • Windows 常见问题
    • 包参考
    • PyTorch 0.4 中文文档
    • Automatic differentiation package - torch.autograd
    • PyTorch 1.0 使用 Amazon AWS 进行分布式训练
    • Autograd：自动求导
    • 训练分类器
    • 可选: 数据并行处理
    • 神经网络
    • 什么是PyTorch？
    • torch.utils.bottleneck
    • 使用字符级别特征的RNN网络进行名字分类
    • 使用字符级别特征的RNN网络生成名字
    • 聊天机器人教程
    • torch.utils.checkpoint
    • 在C++中加载PYTORCH模型
    • 自定义 C++ 与 CUDA 拓展
    • 使用 PyTorch C++ 前端
    • torch.cuda
    • 数据加载和处理教程
    • torch.utils.data
    • DCGAN 教程
    • PyTorch 深度学习: 60 分钟极速入门
    • 在深度学习和 NLP 中使用 Pytorch
    • 混合前端的seq2seq模型部署
    • 使用PyTorch编写分布式应用程序
    • 分布式通信包(已弃用）-torch.distributed.deprecated
    • 分布式通信包 - torch.distributed
    • 概率分布 - torch.distributions
    • torch.utils.dlpack
    • torch.utils.cpp_extension
    • 注解
    • 包参考
    • torchvision 参考
    • 对抗性示例生成
    • Torchvision模型微调
    • torch.hub
    • Torch 脚本
    • torch.utils.model_zoo
    • 多进程包 - torch.multiprocessing
    • 使用PyTorch进行图像风格转换
    • 高级：制定动态决策和Bi-LSTM CRF
    • 使用PyTorch进行深度学习
    • PyTorch 介绍
    • 序列模型和LSTM网络(长短记忆网络)
    • 词嵌入：编码形式的词汇语义
    • 卷积函数
    • torch.nn.init
    • torch.nn 到底是什么？
    • torch.nn
    • 自动求导机制
    • 广播语义
    • CUDA 语义
    • 扩展PyTorch
    • 常见问题解答
    • 多进程最佳实践
    • 再生性
    • 序列化的相关语义
    • Windows FAQ
    • 用 numpy 和 scipy 创建扩展
    • torch.onnx
    • ONNX 现场演示教程
    • torch.optim
    • 用例子学习 PyTorch
    • PyTorch 1.0 中文文档 & 教程
    • 强化学习 (DQN) 教程
    • 保存和加载模型
    • 基于注意力机制的 seq2seq 神经网络翻译
    • torch.sparse
    • 空间变换器网络教程
    • torch.Storage
    • 使用ONNX将模型从PyTorch传输到Caffe2和Mobile(移动端)
    • Tensor(张量）的属性
    • torch.Tensor
    • BLAS和LAPACK操作
    • 比较行动
    • 其他行动
    • 逐点行动
    • 减少行动
    • 光谱行动
    • Math operations
    • 随机抽样
    • 使用TorchScript注册自定义运算符
    • 序列化
    • Tensors
    • torch
    • torchvision.datasets
    • torchvision.models
    • torchvision.transforms
    • torchvision.utils
    • 迁移学习教程
    • 扩展 PyTorch
    • 生成
    • 起步
    • 图像
    • 其它语言中的 PyTorch
    • 生产性使用
    • 强化学习
    • 文本
    • 数据类型信息
    • 空间变压器网络教程
    • 类型信息
    • 命名张量
    • 命名为 Tensors 操作员范围
    • 糟糕！
    • torchvision参考
    • torchvision
    • 音频参考
    • torchaudio
    • torchtext参考
    • torchtext
    • 使用 PyTorch 进行神经传递
    • 社区
    • PyTorch 贡献指南
    • PyTorch 治理
    • PyTorch 治理| 感兴趣的人
    • 对抗示例生成
    • DCGAN 教程
    • 音频
    • torchaudio 教程
    • 文本
    • NLP From Scratch: 使用char-RNN对姓氏进行分类
    • NLP From Scratch: 生成名称与字符级RNN
    • NLP From Scratch: 基于注意力机制的 seq2seq 神经网络翻译
    • 使用 TorchText 进行文本分类
    • 使用 TorchText 进行语言翻译
    • 使用 nn.Transformer 和 TorchText 进行序列到序列建模
    • 命名为 Tensor(实验性）
    • (实验性）PyTorch 中的命名张量简介
    • 强化学习
    • 强化学习(DQN）教程
    • 在生产中部署 PyTorch 模型
    • 通过带有 Flask 的 REST API 在 Python 中部署 PyTorch
    • TorchScript 简介
    • 入门
    • 在 C ++中加载 TorchScript 模型
    • (可选）将模型从 PyTorch 导出到 ONNX 并使用 ONNX Runtime 运行
    • 并行和分布式训练
    • 单机模型并行最佳实践
    • 分布式数据并行入门
    • 用 PyTorch 编写分布式应用程序
    • 分布式 RPC 框架入门
    • (高级）带有 Amazon AWS 的 PyTorch 1.0 分布式训练师
    • 扩展 PyTorch
    • 使用自定义 C ++运算符扩展 TorchScript
    • 使用 PyTorch 进行深度学习：60 分钟的闪电战
    • 使用自定义 C ++类扩展 TorchScript
    • 使用 numpy 和 scipy 创建扩展
    • 自定义 C ++和 CUDA 扩展
    • 模型优化
    • LSTM Word 语言模型上的(实验）动态量化
    • (实验性）在 PyTorch 中使用 Eager 模式进行静态量化
    • (实验性）计算机视觉教程的量化转移学习
    • (实验）BERT 上的动态量化
    • 修剪教程
    • PyTorch 用其他语言
    • 编写自定义数据集，数据加载器和转换
    • 使用 PyTorch C ++前端
    • PyTorch 基础知识
      • 文件
      • torch.nn 到底是什么？
      • 通过示例学习 PyTorch
    • 笔记
      • CUDA 语义
      • CPU 线程和 TorchScript 推断
      • 广播语义
      • 自动求导机制
    • 使用 TensorBoard 可视化模型，数据和训练
    • 分布式 Autograd 设计
    • 扩展 PyTorch
    • 经常问的问题
    • 大规模部署的功能
    • 并行处理最佳实践
    • 重现性
    • 远程参考协议
    • 序列化语义
    • Windows 常见问题
    • XLA 设备上的 PyTorch
    • 图片
    • 语言绑定
    • PyTorch C ++ API
    • PyTorch Java API
    • Python API
    • torch
    • torch.nn
    • torch功能
    • torch张量
    • 张量属性
    • 自动差分包-Torch.Autograd
    • TorchVision 对象检测微调教程
    • torch.cuda
    • 分布式通讯包-Torch.Distributed
    • 概率分布-torch分布
    • torch.hub
    • torch脚本
    • torch.nn.init
    • torch.onnx
    • torch.optim
    • 量化
    • 分布式 RPC 框架
    • 转移学习的计算机视觉教程
    • torch随机
    • torch稀疏
    • torch存储
    • torch.utils.bottleneck
    • torch.utils.checkpoint
    • torch.utils.cpp_extension
    • torch.utils.data
    • torch.utils.dlpack
    • torch.utils.model_zoo
    • torch.utils.tensorboard
    • Autograd：自动求导
    • 训练分类器
    • 可选: 数据并行处理
    • 神经网络
    • 什么是PyTorch？
    • PyTorch 1.4 中文文档 & 教程
    • 学习 PyTorch
    • PyTorch 深度学习：60分钟快速入门
    • 张量
    • torch.autograd的简要介绍
    • 神经网络
    • 训练分类器
    • 通过示例学习 PyTorch
    • NumPy热身
    • PyTorch：张量
    • PyTorch：张量 与 Autograd
    • PyTorch：定义新的 Autograd 函数
    • PYTHORCH: NN
    • PyTorch：optim
    • PyTorch：自定义nn模块
    • PyTorch：控制流 + 权重共享
    • torch.nn到底是什么？
    • 使用 TensorBoard 可视化模型，数据和训练
    • 图片/视频
    • torchvision对象检测微调教程
    • 计算机视觉的迁移学习教程
    • 对抗示例生成
    • DCGAN 教程
    • 音频
    • 音频 I/O 和torchaudio的预处理
    • 使用torchaudio的语音命令识别
    • 文本
    • 使用nn.Transformer和torchtext的序列到序列建模
    • 从零开始的 NLP：使用字符级 RNN 分类名称
    • 从零开始的 NLP：使用字符级 RNN 生成名称
    • 从零开始的 NLP：使用序列到序列网络和注意力的翻译
    • 使用torchtext的文本分类
    • torchtext语言翻译
    • 强化学习
    • 强化学习（DQN）教程
    • 训练玩马里奥的 RL 智能体
    • 在生产中部署 PyTorch 模型
    • 通过使用 Flask 的 REST API 在 Python 中部署 PyTorch
    • TorchScript 简介
    • 在 C++ 中加载 TorchScript 模型
    • 将模型从 PyTorch 导出到 ONNX 并使用 ONNX 运行时运行它（可选）
    • 前端 API
    • PyTorch 中的命名张量简介（原型）
    • PyTorch 中通道在最后的内存格式（beta）
    • 使用 PyTorch C++ 前端
    • 自定义 C++ 和 CUDA 扩展
    • 使用自定义 C++ 运算符扩展 TorchScript
    • 使用自定义 C++ 类扩展 TorchScript
    • TorchScript 中的动态并行性
    • C++ 前端中的 Autograd
    • 在 C++ 中注册调度运算符
    • 模型优化
    • 分析您的 PyTorch 模块
    • 使用 Ray Tune 的超参数调整
    • 模型剪裁教程
    • LSTM 单词语言模型上的动态量化（beta）
    • BERT 上的动态量化（Beta）
    • PyTorch 中使用 Eager 模式的静态量化（beta）
    • 计算机视觉的量化迁移学习教程（beta）
    • 并行和分布式训练
    • PyTorch 分布式概述
    • 单机模型并行最佳实践
    • 分布式数据并行入门
    • 用 PyTorch 编写分布式应用
    • 分布式 RPC 框架入门
    • 使用分布式 RPC 框架实现参数服务器
    • 使用 RPC 的分布式管道并行化
    • 使用异步执行实现批量 RPC 处理
    • 将分布式DataParallel与分布式 RPC 框架相结合
    • PyTorch 中文官方教程 1.7
    • 新版本: PyTorch 1.2 torchtext 0.4，torchaudio 0.3 和 torchvision 0.4
    • 新版本: PyTorch 1.3 添加 mobile, privacy, quantization 和 named tensors
    • 新版本: PyTorch 1.4发布，域库已更新
    • 版本特性
    • 空标题文档
    • 空标题文档
    • PyTorch 中文教程 & 文档
    • 空标题文档
    暂无相关搜索结果！

      让时间为你证明

      展开/收起文章目录

      分享，让知识传承更久远

      文章二维码

      手机扫一扫，轻松掌上读

      文档下载

      请下载您需要的格式的文档，随时随地，享受汲取知识的乐趣！
      PDF文档 EPUB文档 MOBI文档

      书签列表

        阅读记录

        阅读进度: 0.00% ( 0/0 ) 重置阅读进度
          思维导图备注