为深度学习编程 PyTorch

索引

符号

• @app.route() 函数,构建 Flask 服务
• @torch.jit.script_method,脚本编程
• __调用__,自定义变换类,频率屏蔽
• __getitem__,构建 ESC-50 数据集,新数据集
• __init__,SoX 效果链,TorchScript 限制
• __len__,构建 ESC-50 数据集
• __repr__,自定义变换类

A

• AdaGrad、优化
• Adam、优化、ESC-50 的 CNN 模型
• AdaptiveAvgPool 层，池化
• 自适应最大池层，池化
• add_graph()函数,发送数据到 TensorBoard
• 对抗性样本,对抗性样本--抵御对抗性攻击
  • 和黑盒攻击，黑盒攻击
  • 和防御对抗性攻击，防御对抗性攻击
• AlexNet、AlexNet、梯度检查点、跟踪
• 亚马逊网络服务（参见AWS）
• AMD、GPU
• Anaconda、蟒蛇
• ApacheMXNet、TensorFlow 怎么办？
• Append_effect_to_chain、SoX 效果链
• ARG,构建 Docker 容器
• argmax()函数,张量运算,进行预测,推文分类,对抗样本
• arXiv、结论
• arXiv 理智保护器,结论
• 攻击
  • 对抗性,抵御对抗性攻击
  • 黑盒、黑盒攻击
  • 白盒，黑盒攻击
• attention(注意),注意
• 音频（见声音）
• autoencoder,超分辨率介绍
• AutoML,其他架构可用！
• AWS（亚马逊网络服务）,亚马逊网络服务,在 Kubernetes 上部署
• Azure，云提供商，Azure，在 Kubernetes 上部署
• Azure Blob 存储,本地存储与云存储,本地存储与云存储的比较
• Azure 市场,Azure

B

• 反向翻译,反向翻译
• 时间反向传播,循环神经网络
• backward()函数,训练
• BadRandom,修复缓慢转换,混淆
• BatchNorm 层,BatchNorm,使用 ResNet 的迁移学习,ESRGAN
• batch_size、建立验证和测试数据集
• BCEWithLogitsLoss() 函数、更新训练循环
• BertLearner.from_pretrained_model,FastBERT
• best_loss,寻找学习率
• 来自变压器的双向编码器表示（BERT）、BERT -FastBERT、使用什么？
• biLSTM（双向 LSTM）,biLSTM
• 比特币,GPU
• 黑盒攻击,Black-Box Attacks
• BookCorpus数据集,BERT
• Borg,在 Kubernetes 上部署
• 广播, 张量,张量广播

C

• C++ 编译器,获取 libTorch 和 Hello World
• C++ 库（参见libTorch）
• Caffe2、结论
• CAM（类激活映射）,类激活映射-类激活映射
• Candadian 高级研究所（CIFAR-10）,现在是凌晨 3 点，你的数据在做什么？
• Chainer,PyTorch
• 图像分类的挑战,传统挑战--建立验证和测试数据集
• checkbox,谷歌云平台
• checkpoint_sequential,梯度校验
• CIFAR-10 (Candadian Institute for Advanced Research),凌晨三点，你的数据在做什么？
• CIFAR-10 数据集,对抗样本
• 类激活映射,PyTorch 模型调试,PyTorch 模型调试
• 类激活映射（CAM）,类激活映射-类激活映射
• 分类器,使用 ResNet 的迁移学习
• 云平台,Deep Learning in the Cloud-WhichCloud Provider I Should Use?
  • 亚马逊网络服务，亚马逊网络服务
  • Azure、Azure
  • 选择