Programmation de PyTorch pour l'apprentissage profond

Index

Symboles

• Fonction @app.route(), Construction d'un service Flask
• @torch.jit.script_method, Scripting
• Appeler, Classes de transformation personnalisées, Masquage de fréquence
• __getitem__, Construire un ensemble de données ESC-50, Un nouvel ensemble de données
• __init__, Chaînes d'effets SoX, Limitations de TorchScript
• __len__, Construire un ensemble de données ESC-50
• __repr__, Classes de transformation personnalisées

A

• AdaGrad, Optimiser
• Adam, Optimiser, Un modèle CNN pour ESC-50
• Couche AdaptiveAvgPool, Mise en commun
• Couche AdaptiveMaxPool, Pooling
• Fonction add_graph(), Envoi de données à TensorBoard
• échantillons adverses, Échantillons adverses - Défensecontre les attaques adverses
  • et les attaques de la boîte noire, Attaques de la boîte noire
  • et la défense contre les attaques adverses, Défense contre les attaques adverses
• AlexNet, AlexNet, point de contrôle du gradient, traçage
• Amazon Web Services(voir AWS)
• AMD, GPU
• Anaconda, Anaconda
• ApacheMXNet, et TensorFlow ?
• append_effect_to_chain, Chaînes d'effets SoX
• ARG, construire le conteneur Docker
• fonction argmax(), opérations tensorielles, faire des prédictions, classer les tweets, échantillons adverses
• arXiv, Conclusion
• arXiv Sanity Preserver, Conclusion
• attaques
  • adversaires, se défendre contre les attaques adverses
  • boîte noire, attaques de boîte noire
  • boîte blanche, attaques de boîte noire
• attention, faire attention
• audio(voir son)
• autoencodeur, Introduction à la super-résolution
• AutoML, d 'autres architectures sont disponibles !
• AWS (Amazon Web Services), Amazon ...