不要让你的神经网络变成这样 让我们面对现实吧，你的模型可能还停留在石器时代。我敢打赌你仍然使用32位精度或GASP甚至只在一个GPU上训练。 我明白，网上都是各种神经网络加速指南，但是一个checklist都没有（现在有

Keras 和 PyTorch 都是对初学者非常友好的深度学习框架，两者各有优势，很多研究者和开发者在选择框架时可能会举棋不定。基于这种情况，grid.ai CEO、纽约大学博士 William Falcon 创建了 PyTorch Lightning，为 PyT

大家还记得这张图吗？ 深度系统介绍了 52 个目标检测模型，纵观 2013 年到 2020 年，从最早的 R-CNN、OverFeat 到后来的 SSD、YOLO v3 再到去年的 M2Det，新模型层出不穷，性能也越来越好！ 上文聚焦于源码和论文，

本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。 一直以来，PyTorch就以简单又好用的特点，广受AI研究者的喜爱。 但是，一旦任务复杂化，就可能会发生一系列错误，花费的时间更长。 于是，就诞

  在芯片性能提升有限的今天，分布式训练成为了应对超大规模数据集和模型的主要方法。本文将向你介绍流行深度学习框架 PyTorch 最新版本（ v1.5）的分布式数据并行包的设计、实现和评估。 论文地址：https://a

在开源框架领域，PyTorch 与 TensorFlow 之争一直存在，研究人员在写论文时也会有不同的偏向。但近年来，得益于 PyTorch 本身的一些优势，越来越多的学者偏向于选择 PyTorch，TensorFlow 的使用比例也因此逐渐下降。

如何用最少的精力，完成最高效的 PyTorch 训练?一位有着 PyTorch 两年使用经历的 Medium 博主最近分享了他在这方面的 10 个真诚建议。 在 Efficient PyTorch 这一部分中，作者提供了一些识别和消除 I/O 和 CPU 瓶颈

回想了一下自己关于 pytorch 的学习路线，一开始找的各种资料，写下来都能跑，但是却没有给自己体会到学习的过程。有的教程一上来就是写一个 cnn，虽然其实内容很简单，但是直接上手容易让人找不到重点，学的云里雾

生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。