| 序号 | 名称 | 描述 |
|---|
| 1. | Torch | torch 包包含多维张量的数据结构，并定义了对这些张量的数学运算。 |
| 2. | torch.Tensor | 此包是一个多维矩阵，其中包含单一数据类型的元素。 |
| 3. | 张量属性 | |
| a) torch.dtype | 它是一个对象，表示torch.Tensor 的数据类型。 |
| b) torch.device | 它是一个对象，表示将分配 torch.Tensor 的设备。 |
| c) torch.layout | 它是一个对象，表示 toch.Tensor 的内存布局。 |
| 4. | 类型信息 | 可以通过 torch.iinfo 或 torch.finfo 访问 torch.dtype 的数值属性。 |
| 1) torch.finfo | 它是一个对象，表示浮点 torch.dtype 的数值属性。 |
| 2) torch.iinfo | 它是一个对象，表示整数 torch.dtype 的数值属性。 |
| 5. | torch.sparse | Torch 支持 COO（坐标）格式的稀疏张量，它可以有效地存储和处理大多数元素为零的张量。 |
| 6. | torch.cuda | Torch 支持 CUDA 张量类型，它实现与 CPU 张量相同的功能，但对于计算，它们使用 GPU。 |
| 7. | torch.Storage | torch.Storage 是单一数据类型的连续一维数组。 |
| 8. | torch.nn | 此包为我们提供了更多类和模块来实现和训练神经网络。 |
| 9. | torch.nn.functional | 此包具有与 torch.nn 类似的函数类。 |
| 10. | torch.optim | 此包用于实现各种优化算法。 |
| 11. | torch.autogard | 此包提供类和函数来实现任意标量值函数的自动微分。 |
| 12. | torch.distributed | 此包支持三个后端，每个后端都具有不同的功能。 |
| 13. | torch.distribution | 此包允许我们构建随机计算图，以及用于优化的随机梯度估计器 |
| 14. | torch.hub | 它是一个预训练模型存储库，旨在促进研究的可重复性。 |
| 15. | torch.multiprocessing | 它是对本机多处理模块的包装。 |
| 16. | torch.utils.bottleneck | 它是一个工具，可用作调试程序中瓶颈的初始步骤。 |
| 17. | torch.utils.checkpoint | 它用于在我们的源代码程序中创建检查点。 |
| 18. | torch.tils.cpp_extension | 它用于创建 C++、CUDA 和其他语言的扩展。 |
| 19. | torch.utils.data | 此包主要用于创建数据集。 |
| 20. | torch.utils.dlpack | 它将用于将 Dlpack 解码为张量。 |
| 21. | torch.onnx | ONNX 导出器是一个基于跟踪的导出器，这意味着它通过执行一次模型并导出在此运行期间实际运行的运算符来运行 |
Python
Java
JavaScript
SQL
C
C++
HTML
CSS
React
Node.js
Spring Boot
C#
PHP
MySQL
MongoDB
AI
ML
DSA
DBMS
OS
Aptitude
Reasoning