在 PyTorch 中，requires_grad=True 是一个非常重要的标志，它指示 PyTorch 是否需要为某个张量计算梯度。这在训练神经网络时尤为关键，因为我们通常需要通过反向传播来更新模型参数，以最小化损失函数。 requires_grad=True 的作用 当你将 requires_grad=True 设置给一个张量时，PyTorch 会开始跟踪该张量上的所有操作，以便在你调用 backwar...

pytorch LLM训练过程中的精度调试实践 1.查看权值的最大,最小值2.检测训练过程中的异常值A.通过hook module,检测异常值B.拦截算子,检测异常值,打印调用栈,保存输入参数,方便复现C.拦截算子,同时执行cpu计算,对比误差,找到第一个精度异常的算子D.以上的代码 3.根据上面dump的数据,准备最小复现环境 本文记录了,在某加速卡上进行LLM训练,精度问题的定位过程 1.查看权值的最大,...

这个代码片段展示了如何用 PyTorch 初始化神经网络的权重，具体使用的是截断正态分布（truncated normal distribution）。截断正态分布意味着生成的值会在一定范围内截断，以防止出现极端值。这里使用 torch.fmod 作为一种变通方法实现这一效果。 详细解释 1. 截断正态分布 截断正态分布是对正态分布的一种修改，确保生成的值在一定范围内。具体来说，torch.fmod 函数返回...

性常见的方法对象常见的属性总结示例 方法对象和属性的基本概念 方法对象（method object）和属性（attribute）是面向对象编程中的两个重要概念。让我们来详细解释一下这两个概念，并结合 PyTorch 的示例来说明。 方法对象 方法对象是与类或对象相关联的函数。它们可以在对象上调用以执行某些操作。当我们引用对象的方法而不调用它时，我们得到的是方法对象本身，而不是方法的执行结果。 例如，在 PyTo...

文章目录 `view` 的用法示例1. 基本用法2. 使用 `-1` 自动推断维度3. 重塑高维张量 总结 在 PyTorch 中， view 方法用于重塑（reshape）张量。它的作用类似于 NumPy 中的 reshape 方法。 view 方法可以改变张量的形状，而不改变其数据。 -1 是一个特殊的参数，用于自动推断维度的大小。 view 的用法 tensor.view(*shape) 方法接受一个或...

0，背景 Python3.10、cuda 11.7、pytorch 2.0.1 阅读【深度学习】【三维重建】windows10环境配置PyTorch3d详细教程-CSDN博客 1，解决方法 本来想尝试，结果发现CUB安装配置对照表里没有cuda 11.7对应的版本，不敢轻举妄动，所以没敢尝试，试了其他方法都没解决，最后在GIthub里找到了解决方案：Prebuilt wheels provided via 3r...

文章目录 0. 前言1. 剪枝`prune`主要功能分类2. `torch.nn.utils.prune`中的方法介绍3. PyTorch实例3.1 `BasePruningMethod`3.2`PruningContainer`3.3 `identity`3.4`random_unstructured`3.5`l1_unstructured` 4. 总结 0. 前言 PyTorch中的torch.nn.ut...

🍨 本文为🔗365天深度学习训练营 中的学习记录博客🍖 原作者：K同学啊 | 接辅导、项目定制 一、前期准备 from __future__ import unicode_literals, print_function, divisionfrom io import openimport unicodedataimport stringimport reimport random import to...

基于 PyTorch 的 MNIST 手写数字识别教程 本文将介绍如何使用 PyTorch 库来构建一个神经网络模型，以实现 MNIST 手写数字的识别。完整代码在文末提供。本文将逐段解释代码，以帮助读者理解各个部分的功能。 导入库 首先，我们需要导入必要的库，其中包括 PyTorch，以及用于加载 MNIST 数据集的torchvision。 import argparseimport torchimp...

PyTorch中的batch_size和num_workers 什么是 batch_size？什么是 num_workers？综合考量 什么是 batch_size？ batch_size 是指在每次迭代中送入模型进行训练的数据样本的数量。它对训练过程有着重要影响： 计算效率：较大的 batch_size 可以更有效地利用 GPU，因为它能够提高数据并行度和硬件利用率。然而，较大的 batch_size 也需...