【CDA干货】PyTorch 矩阵运算加速库：从原理到实践的全面解析

2025-08-20

PyTorch 矩阵运算加速库：从原理到实践的全面解析 在深度学习领域，矩阵运算堪称 “计算基石”。无论是卷积神经网络（CNN）中的卷积操作（本质是 im2col 变换后的矩阵乘法），还是 Transformer 模型中的注意力计算， ...

【CDA干货】PyTorch 中 Shuffle 机制：数据打乱的艺术与实践

2025-08-12

PyTorch 中 Shuffle 机制：数据打乱的艺术与实践 在深度学习模型训练过程中，数据的呈现顺序往往对模型性能有着微妙却关键的影响。PyTorch 作为主流的深度学习框架，提供了灵活高效的shuffle机制，帮助开发者打破数 ...

【CDA干货】PyTorch 核心机制：损失函数与反向传播如何驱动模型进化

2025-07-29

PyTorch 核心机制：损失函数与反向传播如何驱动模型进化 在深度学习的世界里，模型从 “一无所知” 到 “精准预测” 的蜕变，离不开两大核心引擎：损失函数与反向传播。作为最受欢迎的深度学习框架之一，PyTorch 凭 ...

PyTorch的动态计算图体现在什么地方？

2023-04-19

PyTorch是深度学习领域流行的开源框架之一，它的动态计算图（Dynamic Computational Graph）是其最具特色的一个功能。在传统的静态计算图中，所有的计算过程都需要事先定义好，而在动态计算图中，计算过程可以在运行 ...

PyTorch中的扩张卷积（空洞卷积）是怎么实现的？

2023-04-07

扩张卷积，也被称为空洞卷积，是一种在深度学习中常用的卷积操作，可以有效地增加模型感受野和步幅，同时减少参数数量。 在PyTorch中，扩张卷积是通过使用nn.Conv2d()函数来实现的。该函数有四个必填参数：in_channe ...

相比Tensorflow2和PyTorch，TensorFlow1.x版本有什么弊端？

2023-04-07

TensorFlow 1.x版本是Google发布的第一个深度学习框架，它在2015年推出后，迅速成为了业界最受欢迎的深度学习框架之一。然而，TensorFlow 1.x版本也存在一些弊端，这些弊端在TensorFlow 2.0和PyTorch等新一代深度学 ...

Taichi 和 PyTorch 有哪些相似和不同？

2023-04-07

Taichi 和 PyTorch 都是流行的机器学习框架，它们在某些方面类似，在其他方面则有所不同。 相似之处： 动态计算图： Taichi 和 PyTorch 都使用动态计算图作为其核心组件。这意味着模型可以根据输入数据而变化，而不 ...

PyTorch中在反向传播前为什么要手动将梯度清零？

2023-03-22

在使用PyTorch进行深度学习模型训练时，我们通常需要手动将梯度清零。这是因为PyTorch中的自动求导机制（Autograd）会自动计算每个张量的梯度，并将其累加到张量的.grad属性中。如果不手动将梯度清零，那么每次反向 ...

PyTorch是什么？如何进行安装？

2020-07-14

PyTorch是什么?单从字面上，我们就能很容易看出来，与Python和Torch有关。PyTorch是使用Python作为编程语言，可以说是Torch的Python版，是由Torch7团队开发的，一种开源的神经网络框架，专门用于 GPU 加速的深度神 ...

加快Python算法的四个方法：PyTorch

2020-06-05

CDA数据分析师 出品 相信大家在做一些算法经常会被庞大的数据量所造成的超多计算量需要的时间而折磨的痛苦不已，接下来我们围绕四个方法来帮助大家加快一下Python的计算时间，减少大家在算法上的等待时间。 ...

PyTorch官网更新了，标签索引更快速！

2020-05-21

PyTorch的前身是Torch，由Torch7团队开发，是一个开源的Python机器学习库，用于自然语言处理等应用程序。 PyTorch使用Python重新写了很多内容，不仅更加灵活，支持动态图，而且提供了Python接口，是一个以Python优 ...

【CDA干货】机器学习参数重要性分析：从参数类型到落地实践，优化模型性能的核心指南

2025-10-16

在机器学习建模中，“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度，还是神经网络的权重，这些参数的微小调整都可能显著影响模型的预测精度、泛化能力甚至训练效率。但很多从业者 ...

【CDA干货】神经网络隐藏层层数怎么确定？从原理到实战的完整指南

2025-10-14

在神经网络模型设计中，“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少，模型可能 “欠拟合”（无法捕捉数据复杂规律）；层数过多，又会导致 “过拟合”（记忆训练噪声）、训练效率低下、梯度消 ...

【CDA干货】深度学习的核心引擎：损失函数与反向传播的协同原理与实战

2025-10-09

在深度学习中，“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术：损失函数负责 “量化错误”（计算预测值与真实值的差距），反向传播负责 “定位错误来源”（沿着神 ...

【CDA干货】训练与验证损失骤升：机器学习训练中的异常诊断与解决方案

2025-09-19

训练与验证损失骤升：机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中，“损失曲线” 是反映模型学习状态的核心指标 —— 理想情况下，训练损失与验证损失会随迭代轮次（Epoch）稳步下降，最终趋于平 ...

【CDA干货】密集连接卷积神经网络（DenseNet）：最后归一化的技术价值与实践

2025-09-04

在卷积神经网络（CNN）的发展历程中，解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连接卷积神经网络（DenseNet），通过 “密集块（Dense Block）” 中相邻层的全连接设计 ...

【CDA干货】解析 loss.backward ()：深度学习中梯度汇总与同步的自动触发核心

2025-09-02

解析 loss.backward ()：深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中，loss.backward()是连接 “前向计算” 与 “参数更新” 的关键桥梁。它不仅负责触发梯度的反向传播计算，在分布式训练场 ...

企业名称：小米公司 招聘岗位： 座舱AI工程师-(A185473) （数据分析岗位招聘信息）

2025-09-01

毕业时间：2026年 招聘截止日期：2025.12.31 工作内容： 独立或在资深专家指导下参与设计和开发智能座舱中的人工智能算法和应用。在“人车家全生态”基础上，利用人工智能技术让驾乘更安全、更舒适 ...

企业名称： 数解科技 招聘岗位： 算法工程师（数据分析岗位招聘信息）

2025-08-29

算法工程师 10-11K 北京朝阳区东进国际中心C座 1. 硕士及以上学历，计算机/统计/数学等相关专业； 2. 应届生需具备≥1年算法实习经历（需提供项目证明）。 具备以下技术能力： 1.熟练掌握 LSTM/GR ...

企业名称：大连猎首 招聘岗位： 大模型算法工程师／AI训练师 20-25K·13薪 （数据分析岗位招聘信息）

2025-08-29

大连猎首 大模型算法工程师／AI训练师 20-25K·13薪 职责 1、算法设计与模型开发:设计、实现和优化机器学习、深度学习算法，以解决特定业务问题，如自然语言处理、计算机视觉、预测分析等。根 ...