torch-book#
Torch 手册。
支持 PyPI#
需要安装 torch-book 包：
pip install torch-book
- 符号
- 参考
- 临时教程
- 教程
- TorchScript
- 量化
torch.fx- 中间表示
- ONNX 接口
torch.compile()- YOLO 系列
- Detectron2
- TorchMetrics
- DDP
- ExecuTorch
- ExecuTorch 简介
- ExecuTorch 概念
- 提前编译
- ATen
- ATen 方言
- ATen 模式
- Autograd 安全的 ATen 方言
- 后端
- 后端方言
- 后端注册表
- 后端特定算子
- Buck2
- CMake
- 代码生成
- 核心 ATen 方言
- 核心 ATen 算子 / 规范 ATen 算子集
- 核心 ATen 分解表
- 自定义算子
- DataLoader
- 委托
- DSP
- dtype
- 动态量化
- 动态形状
- Eager 模式
- Edge 方言
- 边缘算子
- ExecuTorch
- ExecuTorch 方法
- ExecuTorch 程序
- executor_runner
- EXIR
- ExportedProgram
- flatbuffer
- Framework tax
- Functional ATen operators
- Graph
- Graph mode
- 高阶算子
- Hybrid Quantization
- Intermediate Representation (IR)
- Kernel
- Kernel registry / Operator registry
- Lowering
- Memory planning
- Node
- Operator
- Operator fusion
- Out variant
- PAL
- 部分内核
- 分区器
- 便携式模式（精简模式）
- 便携式内核
- 程序
- 程序源代码
- PTQ（Post Training Quantization）
- QAT（Quantization Aware Training）
- 量化
- 运行时
- SDK（Software Development Kit）
- 选择性构建
- 静态量化
- XNNPACK
- ExecuTorch 工作原理
- ExecuTorch 技术架构
- 配置 ExecuTorch
- PyTorch 原生架构优化：
torchao - 混沌
- Autograd 机制
- 自动微分
- PyTorch Benchmark
- Extending PyTorch
- 其他临时区
- PyTorch 参数管理
- 性能评估
- Pytorch 梯度归零
- 指南
- Cifar 数据集上的 ResNet
- PyTorch 基准测试
- 激活函数
- 计算机视觉
- 转换和增强图像
- 模型和预训练权重
- 快速上手
torchvision.transforms.v2 - Illustration of transforms
- Transforms v2: End-to-end object detection/segmentation example
- How to use CutMix and MixUp
- How to write your own v2 transforms
- TVTensors FAQ
- How to write your own TVTensor class
- Optical Flow: Predicting movement with the RAFT model
- Repurposing masks into bounding boxes
- Torchscript support
- Video API
- Visualization utilities
- feature_extraction
- 论文解读
- 其他
- 设计
- 教程