登入
首頁
收藏
0
返回課程
Anaconda Py3.13 裝不了 PyTorch CUDA?Ultralytics YOLO 完整避坑與 GPU 加速實測
AI人工智慧
AI簡介
加入課程請答有
LLM?
LLM簡介之一
LLM簡介之二
Anaconda Py3.13 裝不了 PyTorch CUDA?Ultralytics YOLO 完整避坑與 GPU 加速實測
分組
生物視覺&機器視覺
AI人工智慧 課程說明
AI人工智慧 生物視覺 機器視覺1
機器視覺 與haarcascades偵測人臉與眼睛
機器視覺ILSVRC競賽之後(923)
AI人工智慧生物視覺機器視覺
深度學習的史詩
電腦如何學會「看」?從生物神經元到 CNN 的 AI 演進史
自然語言處理
自然語言處理 Natural language Processing簡介
Natural language Processing、字詞向量與 TTS之一(930)
Natural language Processing、字詞向量與 TTS之二
展示詞嵌入Word Embeddings& TTS.ipynb
自然語言處理NLP之cos相似度實作,貓狗居然87.5分像etc
NLP 經典實作:king-man+woman=?
Clip簡介
CLIP與零樣本視覺
clip.ipynb
ex1
不用訓練就能辨識狗種?OpenAI CLIP 零樣本學習 Python 實測
藝術生成 & 對抗生成式網路GAN與其他......
藝術生成---對抗式生成網路GAN 與dall-e whichfaceisreal操作
對抗式生成式AI GAN與相關軟體操作(穿插Stable diffusion)
藝術生成 Stable Diffusion與Denoising Diffusion Model
AI機器學習與Stable Diffusion操作
stable_diffusion_3.5.ipynb
Colab上使用hugging face上的stable
免費版Colab上使用hugging face上的stable diffusion 3.5
神經網路
Keras實作神經網路模型之1 mnist手寫數字
AI機器學習Keras淺層神經網路辨識mnist手寫數字
Keras實作神經網路模型
神經網路模型之一 從感知器到神經網路
神經網路模型(Keras版).ipynb
神經網路模型(Pytorch version).ipynb
PyTorch深度學習解密手寫數字
ex2
Pytorch實作神經網路辨識mnist手寫數字
機器學習的幾個常用函數
ML常用的activation函數初探與pyplot繪圖
多神經網路模型之二與numpy計算softmax
Loss函數 cross entropy 與梯度下降
重點
討論
(1)
筆記
發表時間 : 2026-09-16 12:31
觀看次數 : 243
原始資料來自 :
https://www.youtube.com/embed/HKEMZbHWVvI?si=rFhhcWTqszjIBxz5
附件
討論功能僅開放給課程成員,請先加入課程
最新的回應
...more
09-30
d11333006
:
PyTorch 是一個由 Meta(原 Facebook)AI 研究團隊開發的開源深度學習與機器學習框架。它在學術界和工業界都極受歡迎,是目前建構人工智慧(如大型語言模型、圖像識別等)的核心工具之一。
09-23
D11333032
:
PyTorch 是一個由 Meta(原 Facebook)AI 研究團隊開發的開源深度學習與機器學習框架。它在學術界和工業界都極受歡迎,是目前建構人工智慧(如大型語言模型、圖像識別等)的核心工具之一。
09-17
M11433005
:
PyTorch 是由 Meta AI(前身為 Facebook AI Research)開發並維護的開源機器學習與深度學習框架,目前是學術界與產業界最主流的人工智慧開發工具之一。 核心特色與優勢 動態計算圖(Dynamic Computation Graph): 採用「Define-by-Run」模式,邊執行程式邊建立計算圖。這讓程式碼除錯(Debugging)變得非常直覺,語法極度接近原生 Python(Pythonic)。 GPU 平行加速: 支援 NVIDIA CUDA 與多種硬體加速介面,能輕易將張量(Tensor)計算移至 GPU,大幅提升模型訓練與推論速度。 豐富的生態系: 擁有龐大的社群支援,廣泛應用於電腦視覺(CV)、自然語言處理(NLP)、大語言模型(LLM)及生成式 AI 的研究與產品開發。 簡而言之,PyTorch 就像是 AI 領域的「數值計算與神經網路樂高」,開發者可以用簡單直覺的 Python 語法,快速搭建並訓練出複雜的深度學習模型。
09-16
M11433002
:
PyTorch 是 Meta 開源的熱門深度學習框架,以直覺的 Pythonic 語法與動態計算圖著稱,易於除錯且學習曲線平緩。它支援強大的 GPU 平行加速,目前被廣泛應用於生成式 AI、大語言模型與電腦視覺開發,是產學界最主流的 AI 工具。
09-16
m11433004
:
PyTorch 是一個以 Python 為主的開源機器學習與深度學習框架,底層主要由 C++ 實現,廣泛應用於人工智慧領域,如電腦視覺與自然語言處理。
安文
請簡易說明一下pytorch軟體
09-16
1 樓
顯示先前的回應
5 則當中的 3 則
m11433004
PyTorch 是一個以 Python 為主的開源機器學習與深度學習框架,底層主要由 C++ 實現,廣泛應用於人工智慧領域,如電腦視覺與自然語言處理。
09-16
2 樓
M11433002
PyTorch 是 Meta 開源的熱門深度學習框架,以直覺的 Pythonic 語法與動態計算圖著稱,易於除錯且學習曲線平緩。它支援強大的 GPU 平行加速,目前被廣泛應用於生成式 AI、大語言模型與電腦視覺開發,是產學界最主流的 AI 工具。
09-16
3 樓
M11433005
PyTorch 是由 Meta AI(前身為 Facebook AI Research)開發並維護的開源機器學習與深度學習框架,目前是學術界與產業界最主流的人工智慧開發工具之一。
核心特色與優勢
動態計算圖(Dynamic Computation Graph): 採用「Define-by-Run」模式,邊執行程式邊建立計算圖。這讓程式碼除錯(Debugging)變得非常直覺,語法極度接近原生 Python(Pythonic)。
GPU 平行加速: 支援 NVIDIA CUDA 與多種硬體加速介面,能輕易將張量(Tensor)計算移至 GPU,大幅提升模型訓練與推論速度。
豐富的生態系: 擁有龐大的社群支援,廣泛應用於電腦視覺(CV)、自然語言處理(NLP)、大語言模型(LLM)及生成式 AI 的研究與產品開發。
簡而言之,PyTorch 就像是 AI 領域的「數值計算與神經網路樂高」,開發者可以用簡單直覺的 Python 語法,快速搭建並訓練出複雜的深度學習模型。
09-17
4 樓
D11333032
PyTorch 是一個由 Meta(原 Facebook)AI 研究團隊開發的開源深度學習與機器學習框架。它在學術界和工業界都極受歡迎,是目前建構人工智慧(如大型語言模型、圖像識別等)的核心工具之一。
09-23
5 樓
d11333006
PyTorch 是一個由 Meta(原 Facebook)AI 研究團隊開發的開源深度學習與機器學習框架。它在學術界和工業界都極受歡迎,是目前建構人工智慧(如大型語言模型、圖像識別等)的核心工具之一。
09-30
6 樓
筆記功能僅開放給課程成員,請先加入課程
Prev
LLM簡介之二
Next
分組
核心特色與優勢
動態計算圖(Dynamic Computation Graph): 採用「Define-by-Run」模式,邊執行程式邊建立計算圖。這讓程式碼除錯(Debugging)變得非常直覺,語法極度接近原生 Python(Pythonic)。
GPU 平行加速: 支援 NVIDIA CUDA 與多種硬體加速介面,能輕易將張量(Tensor)計算移至 GPU,大幅提升模型訓練與推論速度。
豐富的生態系: 擁有龐大的社群支援,廣泛應用於電腦視覺(CV)、自然語言處理(NLP)、大語言模型(LLM)及生成式 AI 的研究與產品開發。
簡而言之,PyTorch 就像是 AI 領域的「數值計算與神經網路樂高」,開發者可以用簡單直覺的 Python 語法,快速搭建並訓練出複雜的深度學習模型。