Ubuntu22.04中安装cuda, cudnn, pytorch
Ubuntu 22.04中安装cuda, cudnn, pytorch
【202408最新】Anaconda+VSCode+CUDA+Pytorch安装配置保姆级教程
最近新换了电脑，又开始从头配置代码环境，到处看教程真的一个头两个大，干脆自己整理了一下，方便以后一站式重装。也提供给大家参考。
python入门——OSError: [WinError 127] 找不到指定的程序。 Error loading
最近在使用torch的时候突然出现错误，显示OSError: [WinError 127] 找不到指定的程序。我看了一些解决方法，说要重装torch，但我这前几天还没问题，好在我还记得最近下载的包有哪些，最后删除了seaborn包得以解决，在此分享。用anaconda进入环境，然后删除包。
使用PyTorch从零构建Llama 3
本文将详细指导如何从零开始构建完整的Llama 3模型架构，并在自定义数据集上执行训练和推理。
最新大模型架构TTT模型代码解析（一）
这项来自斯坦福大学、加州大学伯克利分校、加州大学圣迭戈分校和 Meta 的研究提出了一个新颖的序列建模方法，称为测试时训练（Test-Time Training, TTT）层。TTT 层通过用机器学习模型取代 RNN 的隐藏状态，并使用输入 token 的实际梯度下降来压缩上下文。研究表明，这种方法
【无线感知】【P7】WIFI 感知实战2- 数据集处理
slide_size = 200 （滑动窗口，帧与帧之间存在overlap,less than window_size!1： 先通过 csv_import 提取训练input,label 到txt(只运行一次,大概18分钟）运行 cross_vali_data_convert_merg
CNN中的注意力机制综合指南：从理论到Pytorch代码实现
本文将全面介绍CNN中的注意力机制，从基本概念到实际实现，为读者提供深入的理解和实践指导。
查看、指定使用的 GPU 数量和编号
在使用 PyTorch 框架时，可以通过以下步骤查看可用的 GPU 数量，指定使用的 GPU 编号，并在代码中体现这一点。
PyTorch数据处理：torch.utils.data模块的7个核心函数详解
本文将深入介绍PyTorch中 torch.utils.data 模块的7个核心函数,这些工具可以帮助你更好地管理和操作数据。
一文彻底搞懂大模型参数高效微调（PEFT）
最近这一两周看到不少互联网公司都已经开始秋招提前批了。不同以往的是，当前职场环境已不再是那个双向奔赴时代了。求职者在变多，HC 在变少，岗位要求还更高了。最近，我们又陆续整理了很多大厂的面试题，帮助一些球友解惑答疑，分享技术面试中的那些弯弯绕绕。。更多实战和面试交流，加入我们。
使用 Python TorchRL 进行多代理强化学习
本文将深入探讨如何使用 TorchRL 解决 MARL 问题,重点关注多代理环境中的近端策略优化(PPO)。
深入理解GPU内存分配：机器学习工程师的实用指南与实验
给定一个模型架构、数据类型、输入形状和优化器,你能否计算出前向传播和反向传播所需的GPU内存量?
在 Linux 上轻松部署 PyTorch 环境：一步步指南
在这篇文章中，我们将详细介绍如何在 Linux 系统上安装和配置 PyTorch 环境，帮助你顺利进行深度学习模型的开发和训练。通过上述步骤，你已经在 Linux 上成功安装和配置了 PyTorch 环境，并且可以开始进行深度学习的研究和开发。如果你有任何问题或遇到任何困难，PyTorch 的官方文
手把手教你快速安装gpu版本的pytorch
比如pytorch版本是1.10.1（需要对应），环境创建时python版本是3.8 （需要对应），cuda 12.3（比它小的都可以），那么下面几个可以下载，选一个下载，最好装到一个英文路径下。第五步：验证torch安装是否成功，import torch成功说明安装成功，如果torch.cuda.
小白学大模型：LLaMA-Factory 介绍与使用
最近这一两周看到不少互联网公司都已经开始秋招提前批了。不同以往的是，当前职场环境已不再是那个双向奔赴时代了。求职者在变多，HC 在变少，岗位要求还更高了。最近，我们又陆续整理了很多大厂的面试题，帮助一些球友解惑答疑，分享技术面试中的那些弯弯绕绕。Efficient fine-tuning对于将大型语
图解Pytorch学习率衰减策略（一）
在深度学习中，学习率是一个非常重要的超参数，它控制了模型在每次权重更新时的步长。学习率衰减策略是指在训练过程中逐步减少学习率，从而使得模型更稳定地收敛到最优解。本文将介绍：LinearLR、StepLR、MultiStepLR、ExponentialLR、CosineAnnealingLR、Redu
深度学习环境搭建详解（Anaconda、Pycharm、Cuda、Pytorch）
本文详细说明了深度学习中的相应环境配置，包括Anaconda、Pycharm、Cuda、cuDNN、Pytorch等，小白也能轻松上手哦！
VMamba 安装教程（无需更改base环境中的cuda版本）
下面分别是 CUDA 12.1 和 CUDA 11.8 两种环境的安装，由于此时 CUDA 的内核以及相关文件均安装在虚拟环境中，可以不考虑base环境里 CUDA 的版本。），但是有些问题无法解决，特此汇总。注意，即使base环境中安装的 CUDA 版本过低，也不影响 Mamba，Vim 以及 V
anaconda修改安装的默认环境
📚✨🎃。
pytorch里tensor用法总结
通过这篇总结，希望可以帮助pytorch学习者更好掌握Tensor的基本用法。
