TensorFlow 训练模型的工作流 数据读入 数据分析 数据 规范化 创建模型 (数据流图) 创建会话 (运行环境) 训练模型 数据分析库：Pandas Pandas 是一个 BSD 开源协议许可的，面向 Python 用户的高性能和易于上手的数 据结构化和数据分析工具。 数据框（Data Frame）是一个二维带标记的数据结构，每列（column）数据类型 可以不同。我们可以将其当作电子表格或数据库表。 方法专门用于线性关系的可视化，适用于回归模型。 数据分析（3D） Axes3D.scatter3D 方法专门用于绘制3维的散点图。 数据归一化（3D） 数据处理：NumPy NumPy 是一个 BSD 开源协议许可的，面向 Python 用户的基础科学计算库，在多 维数组上实现了线性代数、傅立叶变换和其他丰富的函数运算。 X y 创建线性回归模型（数据流图） 创建会话（运行环境） 使用 TensorBoard

函 数、常用网络层、网络训练、模型保存与加载、模型部署等一系列深度学习系统的便捷功 能。常用网络层主要放置在 nn 子模块中，优化器主要放置在 optim 子模块中，模型部署主 要通过 ONNX 协议实现。使用 PyTorch 开发，可以方便地利用这些功能完成常用算法业务 流程，高效稳定灵活。 1.6 开发环境安装 在领略完深度学习框架所带来的便利后，现在来着手在本地计算机环境上安装 keras 有什么区别与联系呢？其实 Keras 可以理解为一套搭建与训练神经网 络的高层 API 协议，Keras 本身已经实现了此协议，安装标准的 Keras 库就可以方便地调用 TensorFlow、CNTK 等后端完成加速计算；在 TensorFlow 中，也实现了一套 Keras 协议， 即 tf.keras，它与 TensorFlow 深度融合，且只能基于 TensorFlow 后端运算，并对 keras 有什么区别与联系呢？其实 Keras 可以理解为一套搭建与训练神经网 络的高层 API 协议，Keras 本身已经实现了此协议，安装标准的 Keras 库就可以方便地调用 TensorFlow、CNTK 等后端完成加速计算；在 TensorFlow 中，也实现了一套 Keras 协议， 即 tf.keras，它与 TensorFlow 深度融合，且只能基于 TensorFlow 后端运算，并对

链滴 pytorch 入门笔记 -03- 神经网络 作者：zyk 原文链接：https://ld246.com/article/1639540087993 来源网站：链滴 许可协议：署名-相同方式共享 4.0 国际 (CC BY-SA 4.0) 前言 本节主要内容是如何使用 torch.nn 包来构建神经网络。 上一讲已经讲过了 autograd，nn 包依赖 autograd

{generated_text!r}") 1.10.3 适配 OpenAI-API 的 API 服务 借助 vLLM，构建一个与 OpenAI API 兼容的 API 服务十分简便，该服务可以作为实现 OpenAI API 协议的服 务器进行部署。默认情况下，它将在 http://localhost:8000 启动服务器。您可以通过 --host 和 --port 参数 来自定义地址。请按照以下所示运行命令： python

图12.7.5描述了网络可以分解为一个具有双NVLink带宽的环（1‐2‐3‐4‐5‐6‐7‐8‐1）和一个具有常规带宽的环 （1‐4‐6‐3‐5‐8‐2‐7‐1）。在这种情况下，设计一个高效的同步协议是非常重要的。 12.7. 参数服务器 543 图12.7.5: 将NVLink网络分解为两个环。 考虑下面的思维试验：给定由n个计算节点（或GPU）组成的一个环，梯度可以从第一个节点发送到第二个节