怎么下载适合cudn12.0版本的pytorvh
可以通过以下步骤来下载适合 CUDA 12.0 版本的 PyTorch：打开命令行/终端。运行以下命令：pip install torch==1.7.1+cu12 torchvision==0.9.0+cu12 torchaudio==0.9.0 -f https://download.pytorc
pytorch安装
pytorch安装
使用LSH 进行特征提取
局部敏感哈希(LSH)通常用于近似最近邻算法(ANN) 操作(向量搜索)。LSH的特性也可以在以矢量为输入的神经网络模型中得到利用(例如，各种的音频、视频和文本嵌入等内容信号)。
WSL安装Ubuntu及配置Pytorch
在深度学习中经常会用到linux环境，但是相对于windows，对于作者这样的小白，使用linux肯定不是首选，但是最近用到了某些包，只能在linux环境下使用，在安装双系统时，发现了WSL2，尝试了一下很好用，所以记录一下安装教程，如果不习惯于linux，可以尝试使用。
ResNet代码复现＋超详细注释（PyTorch）
ResNet代码复现（PyTorch），每一行都有超详细注释，新手小白都能看懂，亲测可运行
人工智能深度学习100种网络模型，精心整理，全网最全，PyTorch框架逐一搭建
大家好，我是微学AI，今天给大家介绍一下人工智能深度学习100种网络模型，这些模型可以用PyTorch深度学习框架搭建。模型按照个人学习顺序进行排序
ResNeXt代码复现＋超详细注释（PyTorch）
ResNeXt代码复现（PyTorch），每一行都有超详细注释，新手小白都能看懂，亲测可运行
【Yolov5】涨点亲测有效，Yolov5添加PSA极化自注意力机制
Yolov5添加PSA极化注意力机制，助力实验涨点！主要用于目标检测、图像语义分割、人体姿态识别等
使用pytorch的错误整理
程序卡在Using /home/liao/.cache/torch_extensions/py38_cu102 as PyTorch extensions root…在/home/liao/.cache下删除torch_extensions文件夹，原因：之前运行pytorch时，不正常退出，导致的进
2023年最新CUDA安装教程，看完就会(windows版)。
本文概述：正确安装CUDA是用显卡加速深度学习的关键，网上的CUDA教程都不够详细，小白容易装不明白，因此作者打算写一份细致的CUDA安装教程，争取把饭喂到你胃里。
AttributeError: module ‘torch‘ has no attribute ‘concat‘
在跑算法代码的时候，发现报错，但是这个错误在网上没有找到，我推测是pytorch改版问题，于是查看torch版本改动，发现torch.concat改版后该写为torch.cat。不过或许我写的也不够准确，除此之外还看到了有人问torch.concat和torch.cat的区别。不过出现了这类问题改成
一张图了解GPU、CUDA、CUDA toolkit和pytorch的关系
现在的理解就是我可以装多个版本的cuda toolkit，，然后不同的框架会自动调用。
torch 1.13.0 对应的torchvision版本
奈何官网也没有说对应的torchvision版本是啥，如果想要。由于torch版本肯定是会快速迭代更新的，比起记住特定版本，倒不如记住这个思路。torch最新的stable版本是。
因子分解机介绍和PyTorch代码实现
因子分解机（Factorization Machines，简称FM）是一种用于解决推荐系统、回归和分类等机器学习任务的模型
mmdetection3d-之（一）--FCOS3d训练nuscenes-mini数据集
fcos3d训练nuscenes-mini 数据集
卸载cpu版本的torch并离线安装对应的gpu版本
每次从github上安装项目对应的库，利用requirements.txt安装很容易出现版本不对应的情况，尤其是将torch的gpu版本安装成cpu。这里记录一些查看版本的指令和离线安装的方法，就不用每次百度啦！（注：其他库的离线安装也可以用同样的方法，只需要去相应的网站下载wheel即可）第一个框
Pytorch 多GPU训练
Pytorch 多GPU训练
cuda 版本更新
cuda安装
YOLOv7改进：在不同位置添加biformer
为了缓解多头自注意力()的可扩展性问题，先前的一些方法提出了不同的稀疏注意力机制，其中每个查询只关注少量的键值对，而非全部。为此，作者探索了一种动态的、查询感知的稀疏注意力机制，其关键思想是在粗糙区域级别过滤掉大部分不相关的键值对，以便只保留一小部分路由区域（这不就把冗余的信息干掉了吗老铁们）。其次
图注意力网络论文详解和PyTorch实现
图注意力网络(GAT)[1]是一类特殊的gnn，主要的改进是消息传递的方式。他们引入了一种可学习的注意力机制，通过在每个源节点和目标节点之间分配权重，
