Python

Quickstart: Creating Models 使用 accelerator 进行加速： 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 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。 ...

Quickstart e.g 1 2 3 4 5 6 7 8 9 10 11 12 13 from typing import Union from fastapi import FastAPI app = FastAPI() @app.get("/") def read_root(): return {"Hello": "World"} @app.get("/items/{item_id}") def read_item(item_id: int, q: Union[str, None] = None): return {"item_id": item_id, "q": q} 创建 FastAPI 实例： 1 app = FastAPI() 在这一步，创建了一个 FastAPI 应用的实例，它将用于定义和管理应用的各个组件，包括路由。FastAPI 是FastAPI框架的主要类。 2. 定义根路径 / 的路由操作 ...