PyTorch面试精华


1 前言

    1.1  PyTorch安装

    1.2  显卡驱动的困惑

    1.3  CUDA安装注意事项

    1.4  cuDNN的介绍

    1.5  Pytorch Lightning介绍

    1.6  PyTorch学习之道

    1.7  PyTorch调参之道

    1.8  调参套件(tunekits)

2 PyTorch入门疑难点

    2.1  PyTorch向量维度计数

    2.2  PyTorch向量维度操作

    2.3  PyTorch向量乱序取数

3 PyTorch全局设置

    3.1  全局设置当前设备

    3.2  全局设置浮点精度

    3.3  设置控制台输出格式

4 PyTorch GPU分布式训练

    4.1  PyTorch GPU基础操作

    4.2  DataParallel用法详解

    4.3  GPU分布式训练模型

    4.4  CUDA_VISIBLE_DEVICES

    4.5  device详细说明

    4.6  to(device)和.cuda()

    4.7  CUDA设备索引

    4.8  GPU设备索引

5 向量与梯度之核心

    5.1  Tensor的组成与存储

    5.2  Tensor的grad属性

    5.3  Tensor内存布局的调整

    5.4  Tensor的叠加

    5.5  禁用梯度计算

    5.6  向量的保存和加载

    5.7  梯度消失与梯度爆炸

    5.8  参数向量

    5.9  叶子节点

    5.10  detach原理

    5.11  requires_grad属性

    5.12  tensor与numpy互换

    5.13  梯度的物理意义

    5.14  张量cat操作

    5.15  零维张量

    5.16  维度索引与维度变换

    5.17  自然梯度

6 神经网络基础

    6.1  线性网络的参数以及初始化

    6.2  PyTorch计算图

    6.3  查看网络权重参数

    6.4  保存模型

    6.5  Adam相关面试题

    6.6  Train模式和Eval模式

    6.7  线性网络

    6.8  双线性网络

    6.9  惰性线性层

    6.10  自动求导与链式求导

    6.11  Dropout机制

    6.12  半精度训练

    6.13  Xavier初始化

    6.14  注意力机制

    6.15  Dataset数据处理

    6.16  StepLR学习率调度器

    6.17  词嵌入的理解

    6.18  TensorDataset的使用

    6.19  模型的保存与加载

    6.20  ModuleList和Sequential

    6.21  Batch Normalization介绍

    6.22  map_location参数的作用

7 计算机视觉基础知识

    7.1  通道的深刻理解

    7.2  1x1卷积的作用

    7.3  特征提取和可视化

    7.4  反卷积的推导

    7.5  理解卷积

    7.6  计算机视觉的注意力机制

    7.7  空洞卷积

    7.8  池化层的作用

    7.9  感受野与特征图

    7.10  NMS算法

    7.11  特征图尺寸计算

8 注意力机制

    8.1  位置编码的作用

    8.2  位置编码的种类

    8.3  词嵌入的原理和用法

    8.4  Embedding本质理解

9 物体检测、分割以及追踪

10 激活函数相关内容

    10.1  激活函数简介

    10.2  万能逼近定理

    10.3  Sigmoid函数的介绍

    10.4  Tanh函数的介绍

    10.5  Softmax函数的实现

    10.6  ReLU函数的介绍

    10.7  Leaky Relu函数的介绍

    10.8  ReLu与非线性的理解

    10.9  Parametric ReLU函数

11 思考题的答案

    11.1  思考题的答案解密

PyTorch向量维度计数

创建时间:2024-11-02 | 更新时间:2024-11-02 | 阅读次数:1068 次

友情提示

如果您是本站会员,请登录之后再阅读。

面试之家网站的用户划分为三个级别:游客,注册用户,付费用户(网站会员)。

如果您想成为网站会员,请先在本站注册,然后再联系站长飞燕,付费之后,自动成为网站会员。站长的微信联系方式为:mathkit

成为网站会员之后,可以畅享两大权益,详见:2024年9月网站公告

本教程共86节,当前为第9节!
本教程最新修订时间为:2024-11-25 21:08:37