2022 年 6 月 28 日
PyTorch 1.12 中的新库更新
我们在 PyTorch 1.12 版本发布的同时，对当前 PyTorch 库进行了一系列改进。这些更新展示了我们致力于开发跨所有领域的通用和可扩展 API，以使我们的社区更容易在 PyTorch 上构建生态系统项目。摘要：TorchVision - 添加了多权重支持 API、新的架构、模型变体和预训练权重。请在此处查看发布说明。TorchAudio - 引入了包括流式 API 在内的测试版功能，包括...
2022 年 6 月 27 日
如何在 PyTorch 中执行计算图
欢迎来到理解 PyTorch 自动微分引擎系列的最后一篇！如果您还没有阅读第 1 部分和第 2 部分，请现在查看它们，以便了解 PyTorch 如何为反向传播创建计算图！本文基于 PyTorch v1.11，因此一些突出显示的部分可能在不同版本中有所不同。PyTorch 自动微分图执行上一篇文章展示了 PyTorch 如何构建图来计算输出相对于输入的导数，当执行正向传播时。现在我们将...
2022 年 6 月 23 日
地理空间深度学习与 TorchGeo
TorchGeo 是一个提供特定于地理空间数据的 PyTorch 领域库，包括数据集、采样器、转换和预训练模型。https://github.com/microsoft/torchgeo 几十年来，地球观测卫星、飞机以及最近的无人飞行平台一直在收集地球表面的不断增加的图像。通过关于季节性和长期趋势的信息，遥感图像对于解决人类面临的一些最大挑战具有无价的价值，包括...
2022 年 6 月 16 日
迪士尼如何通过多模态方法利用 PyTorch 改进活动识别
迪士尼媒体娱乐分销（DMED）负责管理分销众多媒体资产，包括新闻、体育、娱乐和特色节目、连续剧节目、市场营销和广告等。我们的团队专注于 DMED 技术内容平台组中的媒体标注。在我们的日常工作中，我们自动分析各种内容，这些内容不断挑战着我们的效率...
2022 年 5 月 18 日
推出 Mac 上的加速 PyTorch 训练
与苹果公司的 Metal 工程团队合作，我们很高兴地宣布支持在 Mac 上实现 GPU 加速的 PyTorch 训练。到目前为止，Mac 上的 PyTorch 训练仅利用 CPU，但随着即将发布的 PyTorch v1.12 版本，开发人员和研究人员可以利用苹果硅 GPU 进行显著更快的模型训练。这解锁了在 Mac 上本地执行机器学习工作流程的能力，如原型设计和微调。Metal 加速...
2022 年 5 月 12 日
环境临床智能：使用 PyTorch 生成医疗报告
完整准确的临床文档是跟踪患者护理的必要工具。它允许治疗计划在护理团队之间共享，以帮助护理连续性，并确保报销过程的透明和有效。医生负责记录患者护理。传统的临床文档方法导致了患者-提供者体验不佳、与患者互动时间减少以及工作与生活平衡下降。一个迹象是...
2022 年 3 月 16 日
在 Jetson Nano 上运行 PyTorch 模型
概述 NVIDIA Jetson Nano 是 Jetson 产品系列或 Jetson 模块的一部分，是一款小型但功能强大的基于 Linux（Ubuntu）的嵌入式计算机，具有 2/4GB GPU。使用它，您可以高效地运行许多 PyTorch 模型。本文总结了我们在 Jetson Nano 上使用 3 种不同机制运行不同深度学习模型的经验：Jetson Inference，这是 NVIDIA 的高级 API，内置了对运行大多数常见计算机视觉模型的支持，这些模型可以进行迁移学习...
