| 链接 | 备注 |
|---|---|
| torch.nn.Linear | 线性变换 |
| torch.nn.MaxPool2d | 池化 |
| nn.MultiheadAttention | 多头注意力 |
| torch.cat() | 拼接 |
| torch.unsqueeze()和torch.squeeze() | 增删tensor的维度 |
| with torch.no_grad() | 反向传播时不会自动求导 |
| torch.utils.data.DataLoader | 封装数据集 |
| torch.nn.DataParallel | 使用多卡训练 |
| torch.nn.Module.load_state_dict | 加载模型权重 |
| model.eval() | 不启用BN和dropout |
| torchvision.transforms.Compose | 组合多个图像变换操作 |
| 链接 | 备注 |
|---|---|
| ResNet中的BasicBlock与bottleneck | ResNet |
| 卷积操作原理与nn.Conv2d | 卷积 |
| No module named ‘d2lzh_pytorch’ | 动手学深度学习 |
| torch.Tensor详解和常用操作 | 动手学深度学习 |
| PyTorch-自动求梯度详解 | 动手学深度学习 |
| PyTorch-零基础实现线性回归 | 动手学深度学习 |
| PyTorch - SOFTMAX回归的从零开始实现 | 动手学深度学习 |
| PyTorch -多层感知机（MLP）的从零开始实现 | 动手学深度学习 |
| 链接 | 备注 |
|---|---|
| 关于DEKR，SWAHR，HigherHRNet预训练模型的相关研究 | 2D人体姿态估计、预训练模型 |
| 链接 | 备注 |
|---|---|
| pytorch，torchvision与cuda版本对应关系 | 官方下载指定版本pytorch |