参考官网： https://pytorch.org/get-started/previous-versions/
查看cuda版本：cat /usr/local/cuda/version.txt
torch、torchvision、cuda 、python对应版本匹配
参考链接：https://www.zhihu.com/question/309583980
本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：pytorch 不同版本对应的cuda - Python技术站
微信扫一扫 
支付宝扫一扫
pytorch:全连接层
上一篇
2023年4月7日 下午11:46
pytorch 中tensor在CPU和GPU之间转换
下一篇
2023年4月8日
相关文章
-
推荐《机器学习实战：基于Scikit-Learn和TensorFlow》高清中英文PDF+源代码
探索机器学习，使用Scikit-Learn全程跟踪一个机器学习项目的例子；探索各种训练模型；使用TensorFlow库构建和训练神经网络，深入神经网络架构，包括卷积神经网络、循环神经网络和深度强化学习，学习可用于训练和缩放深度神经网络的技术。 主要分为两个部分。第一部分为第1章到第8章，涵盖机器学习的基础理论知识和基本算法——从线性回归到随机森林等，帮助读者…
-
万字长文概述单目3D目标检测算法
基于深度学习的主流单目3D目标检测算法可以分为两个过程：2D目标检测 + 基于投影几何原理的回归网络设计。本文首先介绍了单目 3D 目标检测的理论基础-投影几何原理和算法原理，并解读了几个主流模型。 一，理论基础-相机与图像 1.1，单目相机介绍 1.2，针孔相机模型 1.3，坐标系间的欧式变换 1.4，世界坐标与像素坐标的转换 1.5，三维旋转：欧拉角、旋…
-
生成对抗网络（Generative Adversarial Networks, GAN）
生成对抗网络（Generative Adversarial Networks, GAN）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的学习方法之一。 GAN 主要包括了两个部分，即生成器 generator 与判别器 discriminator。生成器主要用来学习真实图像分布从而让自身生成的图像更加真实，以骗过判别器。判别器则需要对接收的…
-
目标检测之单步检测(Single Shot detectors)
前言 像RCNN，fast RCNN,faster RCNN，这类检测方法都需要先通过一些方法得到候选区域，然后对这些候选区使用高质量的分类器进行分类。这类方法的检测准确率比较高但是计算开销非常大，不利于实时检测和嵌入式等设备。另一类方法是将提取候选区和进行分类这两个任务融合到一个网络中。既不使用预定义的box也不使用候选区生成网络来进行寻找目标物体。而是通…
-
PyTorch中的Batch Normalization
Pytorch中的BatchNorm的API主要有： 1 torch.nn.BatchNorm1d(num_features, 2 3 eps=1e-05, 4 5 momentum=0.1, 6 7 affine=True, 8 9 track_running_stats=True) 一般来说pytorch中的模型都是继承nn.Module类的，都有一个属…
-
pytorch 使用的时候的 model.train() 和 model.eval()
Do need to use model.eval() when I test?Sure, Dropout works as a regularization for preventing overfitting during training.It randomly zeros the elements of inputs in Dropout layer…
-
pytorch 读取和保存模型参数
只保存参数信息 加载 checkpoint = torch.load(opt.resume) model.load_state_dict(checkpoint) 保存 torch.save(self.state_dict(),file_path) 这而只保存了参数信息，读取时也只有参数信息，模型结构需要手动编写 保存整个模型 保存torch.save(the…
-
《动手学深度学习》笔记 Task03：过拟合、欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络进阶
学习地址：https://www.boyuai.com/elites/course/cZu18YmweLv10OeV/jupyter/jfPMOih2z9274kEy4id1j 一、过拟合、欠拟合及其解决方案 过拟合、欠拟合的概念 训练误差（training error）：指模型在训练数据集上表现出的误差， 泛化误差（generalization error…
