PyTorch 核心概念与踩坑记录

Sun, 06 Jul 2025 18:50:00 +0800

Quickstart: Creating Models

使用 accelerator 进行加速：

import torch
import torch.nn as nn

device = torch.accelerator.current_accelerator().type if torch.accelerator.is_available() else "cpu"
print(f"Using {device} device")

# Define model
class NeuralNetwork(nn.Module):
    def __init__(self):
        super().__init__()
        self.flatten = nn.Flatten()
        self.linear_relu_stack = nn.Sequential(
            nn.Linear(28*28, 512),
            nn.ReLU(),
            nn.Linear(512, 512),
            nn.ReLU(),
            nn.Linear(512, 10)
        )

    def forward(self, x):
        x = self.flatten(x)	# model 的实际输入是在这里发生
        logits = self.linear_relu_stack(x)	
        return logits

model = NeuralNetwork().to(device)
print(model)

在 PyTorch（以及大多数深度学习框架）的习惯里，forward 函数接收的输入默认是整个 batch 的数据，而不是单个样本。

马尔可夫链与隐马尔可夫模型

Thu, 08 May 2025 18:50:00 +0800

前言

马尔可夫链（Markov Chain）可以说是机器学习和人工智能的基石，在强化学习、自然语言处理、金融领域、天气预测、语音识别方面都有着极其广泛的应用

深度学习 on Haleuan's Blog

PyTorch 核心概念与踩坑记录

Quickstart: Creating Models

马尔可夫链与隐马尔可夫模型

前言