CUDA-MODE 第一课课后实战（上）
Nsight Compute是一个CUDA kernel分析器，它通过硬件计数器和软件收集指标。它使用内置的专业知识来检测kernel常见的性能问题并指出发生这些问题的位置并给出一些解决方法的建议。这一内置规则集和指南就是我们所说的Guided Analysis。下面就结合Lecture1的例子来深
手把手Pytorch安装及配置教程(Vscode/Anaconda/CUDA/Pytroch)
安装完毕后，其实对这些软件之间的关系有一些感觉了，我们有必要了解一下我们安装这些软件和它们之间的关系，这样以后安装就不用看教程了。注意，如果自己的显卡驱动已经更新过了，可以跳过这一节，检查驱动版本方法：Win+r打开cmd，输入nvidia-smi。注意，这里如果是之前一直打开的cmd窗口，输入nv
神经网络—ResNet50网络（pytorch）
神经网络—ResNet50网络代码实现（pytorch）
MinerU 0.8.0 环境一键包 (更新WebUI) 使用教程
最近发现了一款工具大语言语料处理神器-MinerU, 非常适合在RAG等应用场景中使用, 开源免费MinerU其中的一个功能是将 PDF 转化为 markdown 格式的工具, 对PDF文档提取的效果目前是市面上效果比较好的, 最新的版本还支持了PDF中表格的识别MinerU 官方仓库： https
在Pytorch中为不同层设置不同学习率来提升性能，优化深度学习模型
为网络的不同层设置不同的学习率可能会带来显著的性能提升。本文将详细探讨这一策略的实施方法及其在PyTorch框架中的具体应用
【torch.quantile】分位数计算
torch.quantile 分位数计算方法。
PyTorch自定义学习率调度器实现指南
本文将详细介绍如何通过扩展PyTorch的 ``` LRScheduler ``` 类来实现一个具有预热阶段的余弦衰减调度器。我们将分五个关键步骤来完成这个过程。
大模型获取embdding
以qwen为例：本文将使用 Hugging Face 的库来完成这些步骤。这是一个非常流行且功能强大的库，用于处理各种预训练语言模型。
AdEMAMix: 一种创新的神经网络优化器
这种算法旨在解决当前广泛使用的Adam及其变体（如AdamW）在利用长期梯度信息方面的局限性。研究者们通过巧妙地结合两个不同衰减率的指数移动平均（EMA），设计出了这种新的优化器，以更有效地利用历史梯度信息。
在PyCharm中配置Python环境
在PyCharm中配置Python环境
PyTorch 模型调试与故障排除指南
本文旨在为 PyTorch 开发者提供一个全面的调试指南，涵盖从基础概念到高级技术的广泛内容。
【AI】Pytorch_损失函数&优化器
持续更新至pytorch大部分内容更完。本文已达到10w字，故按模块拆开，详见目录导航。整体框架如下损失函数及优化器。
【深度学习入门篇 ④ 】Pytorch实现手写数字识别
通过前面的学习，我们已经掌握了PyTorch API的基本使用，今天我们使用PyTorch实现手写数字识别案例！通过前面的内容可知，调用MNIST返回的结果中图形数据是一个Image对象,需要对其进行处理，为了进行数据的处理，接下来学习的方法~是PyTorch中用于图像预处理和增强的一个重要模块，它
Windows下Pytorch入门深度学习环境安装与配置（CPU版本）
包含环境配置中各个软件的作用以及它们之间的关系（Python、库/包/package/library、PyTorch/Tensorflow、Anaconda、PyCharm、显卡GPU，驱动）、Windows下判断有无 NVIDIA GPU、Windows下安装 Pytorch（下载安装 Anaco
用定制开发板通过vitis ai 2.0部署自己训练的yolov3（pytorch框架）
本文介绍如何用定制开发板通过vitis ai 2.0部署自己训练的yolov3（pytorch框架）
Pycharm搭建CUDA，Pytorch教程
桌面右键打开nvidia控制面板->点击左下角系统信息->点击组件，查看3D设置中第三行的产品名称，其为自己电脑所能兼容的最高的Cuda版本（如我的电脑最高能兼容11.7版本）要成功运行cuda架构，所需的pytorch版本必须与python和cuda版本对应，以下为cuda与pytorch对应关系
Pycharm中配置Anaconda 虚拟环境（深度学习pytorch环境搭建）
本文是在作者学习小土堆《Windows下PyTorch 入门深度学习环境安装与配置》系列视频后所整理，以巩固自己所学。作为初学者，若文中有不当之处，望不吝指正。
深度学习环境配置超详细教程【Anaconda+Pycharm+PyTorch(GPU版)】
深度学习环境配置超详细教程【Anaconda+Pycharm+PyTorch(GPU版)】
PyTorch--卷积神经网络（CNN）模型实现手写数字识别
今天要介绍的这段代码是一个使用PyTorch框架实现的卷积神经网络（CNN）模型，用于对MNIST数据集进行分类的示例。MNIST数据集是手写数字识别领域的一个标准数据集，包含0到9的灰度图像。导入必要的库：导入PyTorch、PyTorch神经网络模块、torchvision（用于处理图像数据集）
Pytorch安装详细教程（Wins+CUDA+Pycharm+GPU）
Pytorch安装教程详解，避开安装过程踩过的雷。
