计算时间#
所有 galleries 中 121 个文件的总执行时间为 05:07.276
示例 |
时间 |
内存 (MB) |
---|---|---|
使用 TorchRL 进行强化学习 (PPO) 教程 ( |
02:29.300 |
0.0 |
sphx_glr_beginner_introyt_tensorboardyt_tutorial.py ( |
01:49.060 |
0.0 |
torch.nn 到底是什么? ( |
00:26.106 |
0.0 |
雅可比矩阵、海森矩阵、hvp、vhp 等:组合函数变换 ( |
00:10.961 |
0.0 |
嵌套张量入门 ( |
00:06.347 |
0.0 |
sphx_glr_beginner_basics_data_tutorial.py ( |
00:04.937 |
0.0 |
热身:numpy ( |
00:00.237 |
0.0 |
神经网络 ( |
00:00.137 |
0.0 |
聊天机器人教程 ( |
00:00.003 |
0.0 |
知识蒸馏教程 ( |
00:00.003 |
0.0 |
DCGAN 教程 ( |
00:00.003 |
0.0 |
PyTorch 简介 ( |
00:00.003 |
0.0 |
torch.compile 简介 ( |
00:00.003 |
0.0 |
torch.export 教程 ( |
00:00.003 |
0.0 |
通过示例学习混合前端语法 ( |
00:00.003 |
0.0 |
(Beta) 使用缩放点积注意力 (SDPA) 实现高性能 Transformer ( |
00:00.003 |
0.0 |
sphx_glr_beginner_introyt_trainingyt.py ( |
00:00.003 |
0.0 |
使用 PyTorch 进行深度学习 ( |
00:00.003 |
0.0 |
sphx_glr_beginner_introyt_introyt1_tutorial.py ( |
00:00.003 |
0.0 |
前向模式自动微分 (Beta) ( |
00:00.003 |
0.0 |
通过用嵌套张量和 torch.compile() 替换 nn.Transformer 来加速 PyTorch Transformer ( |
00:00.003 |
0.0 |
计算机视觉迁移学习教程 ( |
00:00.003 |
0.0 |
Inductor CPU 后端调试和性能分析 ( |
00:00.002 |
0.0 |
在 PyTorch 中正确使用 non_blocking 和 pin_memory() 的指南 ( |
00:00.002 |
0.0 |
TorchVision 目标检测微调教程 ( |
00:00.002 |
0.0 |
(原型) 使用 TorchAO 进行 GPU 量化 ( |
00:00.002 |
0.0 |
从零开始学自然语言处理:使用字符级 RNN 生成名字 ( |
00:00.002 |
0.0 |
训练分类器 ( |
00:00.002 |
0.0 |
对抗性样本生成 ( |
00:00.002 |
0.0 |
张量 ( |
00:00.002 |
0.0 |
使用 PyTorch 进行神经风格迁移 ( |
00:00.002 |
0.0 |
TorchRL 目标:编写 DDPG 损失函数 ( |
00:00.002 |
0.0 |
PyTorch 中的通道最后内存格式 ( |
00:00.002 |
0.0 |
sphx_glr_beginner_basics_quickstart_tutorial.py ( |
00:00.002 |
0.0 |
序列模型和长短期记忆网络 ( |
00:00.002 |
0.0 |
MaskedTensor 概述 ( |
00:00.002 |
0.0 |
使用 torch.compiler.set_stance 进行动态编译控制 ( |
00:00.002 |
0.0 |
训练一个玩马里奥的强化学习智能体 ( |
00:00.002 |
0.0 |
空间变换网络教程 ( |
00:00.002 |
0.0 |
使用 MaskedTensor 高效编写 Adagrad 的“稀疏”语义 ( |
00:00.002 |
0.0 |
autograd 保存张量的钩子 ( |
00:00.002 |
0.0 |
sphx_glr_beginner_introyt_tensors_deeper_tutorial.py ( |
00:00.002 |
0.0 |
(beta) 使用 LR 调度器运行已编译的优化器 ( |
00:00.002 |
0.0 |
torch.autograd 简易入门 ( |
00:00.002 |
0.0 |
高级:动态决策与 Bi-LSTM CRF ( |
00:00.002 |
0.0 |
torch.vmap ( |
00:00.002 |
0.0 |
模型集成 ( |
00:00.002 |
0.0 |
sphx_glr_beginner_onnx_onnx_registry_tutorial.py ( |
00:00.002 |
0.0 |
如何通过将优化器步骤融合到反向传播中来节省内存 ( |
00:00.002 |
0.0 |
使用 foreach_map 和 torch.compile 进行显式水平融合 ( |
00:00.002 |
0.0 |
编写自定义数据集、数据加载器和转换 ( |
00:00.002 |
0.0 |
词嵌入:编码词汇语义 ( |
00:00.002 |
0.0 |
sphx_glr_beginner_basics_tensorqs_tutorial.py ( |
00:00.002 |
0.0 |
sphx_glr_beginner_introyt_autogradyt_tutorial.py ( |
00:00.002 |
0.0 |
参数化教程 ( |
00:00.002 |
0.0 |
强化学习 (DQN) 教程 ( |
00:00.002 |
0.0 |
自定义 Python 算子 ( |
00:00.002 |
0.0 |
sphx_glr_beginner_onnx_export_simple_model_to_onnx_tutorial.py ( |
00:00.002 |
0.0 |
神经正切核 ( |
00:00.002 |
0.0 |
从零开始学自然语言处理:使用字符级 RNN 对名字进行分类 ( |
00:00.002 |
0.0 |
逐样本梯度 ( |
00:00.002 |
0.0 |
使用自定义函数融合卷积和批归一化 ( |
00:00.002 |
0.0 |
摆锤:使用 TorchRL 编写您的环境和变换 ( |
00:00.002 |
0.0 |
使用 Ax 进行多目标神经架构搜索 ( |
00:00.002 |
0.0 |
从检查点加载 nn.Module 的技巧 ( |
00:00.002 |
0.0 |
(beta) 将 Torch Function 模式与 torch.compile 结合使用 ( |
00:00.002 |
0.0 |
从零开始学自然语言处理:使用序列到序列网络和注意力进行翻译 ( |
00:00.002 |
0.0 |
(beta) 将 TORCH_LOGS python API 与 torch.compile 结合使用 ( |
00:00.002 |
0.0 |
剪枝教程 ( |
00:00.002 |
0.0 |
可选:数据并行 ( |
00:00.002 |
0.0 |
MaskedTensor 稀疏性 ( |
00:00.002 |
0.0 |
使用 Ray Tune 进行超参数调优 ( |
00:00.002 |
0.0 |
MaskedTensor 高级语义 ( |
00:00.002 |
0.0 |
模板教程 ( |
00:00.002 |
0.0 |
使用 NumPy 和 SciPy 创建扩展 ( |
00:00.002 |
0.0 |
sphx_glr_beginner_basics_optimization_tutorial.py ( |
00:00.002 |
0.0 |
sphx_glr_beginner_basics_autogradqs_tutorial.py ( |
00:00.002 |
0.0 |
通过区域编译减少 torch.compile 的冷启动编译时间 ( |
00:00.002 |
0.0 |
sphx_glr_beginner_introyt_modelsyt_tutorial.py ( |
00:00.002 |
0.0 |
将用户定义的 Triton 内核与 torch.compile 结合使用 ( |
00:00.002 |
0.0 |
(beta) 使用 FX 构建一个简单的 CPU 性能分析器 ( |
00:00.002 |
0.0 |
torch.export AOTInductor Python 运行时教程 (Beta) ( |
00:00.002 |
0.0 |
sphx_glr_beginner_basics_transforms_tutorial.py ( |
00:00.002 |
0.0 |
PyTorch: nn ( |
00:00.002 |
0.0 |
更改默认设备 ( |
00:00.002 |
0.0 |
nn.Module 中用于 load_state_dict 和张量子类的扩展点 ( |
00:00.002 |
0.0 |
PyTorch: 张量 ( |
00:00.002 |
0.0 |
在 PyTorch 中对形状进行推理 ( |
00:00.002 |
0.0 |
sphx_glr_beginner_basics_buildmodel_tutorial.py ( |
00:00.002 |
0.0 |
sphx_glr_beginner_basics_saveloadrun_tutorial.py ( |
00:00.002 |
0.0 |
sphx_glr_beginner_onnx_export_control_flow_model_to_onnx_tutorial.py ( |
00:00.000 |
0.0 |
(beta) 使用半结构化 (2:4) 稀疏性加速 BERT ( |
00:00.000 |
0.0 |
使用基于 PyTorch 构建的 USB 进行半监督学习 ( |
00:00.000 |
0.0 |
sphx_glr_beginner_basics_intro.py ( |
00:00.000 |
0.0 |
PyTorch: 张量和 autograd ( |
00:00.000 |
0.0 |
PyTorch: 定义新的 autograd 函数 ( |
00:00.000 |
0.0 |
PyTorch: 控制流 + 权重共享 ( |
00:00.000 |
0.0 |
PyTorch: 自定义 nn 模块 ( |
00:00.000 |
0.0 |
PyTorch: optim ( |
00:00.000 |
0.0 |
sphx_glr_beginner_introyt_captumyt.py ( |
00:00.000 |
0.0 |
sphx_glr_beginner_introyt_introyt_index.py ( |
00:00.000 |
0.0 |
sphx_glr_beginner_onnx_intro_onnx.py ( |
00:00.000 |
0.0 |
分析您的 PyTorch 模块 ( |
00:00.000 |
0.0 |
保存和加载模型 ( |
00:00.000 |
0.0 |
循环 DQN:训练循环策略 ( |
00:00.000 |
0.0 |
sphx_glr_intermediate_mnist_train_nas.py ( |
00:00.000 |
0.0 |
使用 TensorBoard 的 PyTorch Profiler ( |
00:00.000 |
0.0 |
使用 torch.compile 构建卷积/批归一化融合器 ( |
00:00.000 |
0.0 |
TorchRec 简介 ( |
00:00.000 |
0.0 |
使用 Captum 实现模型可解释性 ( |
00:00.000 |
0.0 |
自动混合精度 ( |
00:00.000 |
0.0 |
语法错误 ( |
00:00.000 |
0.0 |
在 PyTorch 中定义神经网络 ( |
00:00.000 |
0.0 |
PyTorch Profiler ( |
00:00.000 |
0.0 |
如何在 PyTorch 中使用 TensorBoard ( |
00:00.000 |
0.0 |
Timer 快速入门 ( |
00:00.000 |
0.0 |
性能调优指南 ( |
00:00.000 |
0.0 |
在 PyTorch 中使用来自不同模型的参数热启动模型 ( |
00:00.000 |
0.0 |
PyTorch 中的 state_dict 是什么 ( |
00:00.000 |
0.0 |
在 PyTorch 中将梯度清零 ( |
00:00.000 |
0.0 |
(原型) 使用 GPUDirect Storage 加速 torch.save 和 torch.load ( |
00:00.000 |
0.0 |