Pytorch Prototype Recipes
译者：片刻小哥哥
项目地址：https://pytorch.apachecn.org/2.0/tutorials/prototype/prototype_index
原始地址：https://pytorch.org/tutorials/prototype/prototype_index.html
Prototype 功能不作为 PyPI 或 Conda 等二进制发行版的一部分提供（除了可能在运行时标志后面）。为了测试这些功能，我们建议根据功能从 master 构建或使用
承诺程度：我们承诺仅收集有关这些功能的高带宽反馈。根据这些反馈和社区成员之间潜在的进一步参与，我们作为一个社区将决定是否要提高承诺水平或快速失败。
Debugging
PyTorch 数字套件教程
了解如何使用 PyTorch Numeric Suite 支持量化调试工作
FX
FX 图形模式量化用户指南
FX 图形模式训练后动态量化
了解如何基于 torch.fx 在图形模式下进行训练后动态量化
FX 图形模式训练后静态量化
了解如何基于 torch.fx 在图形模式下进行训练后静态量化
MaskedTensor
Masked Tensor 概述
Masked Tensor 稀疏性
了解如何在 MaskedTensor 中利用稀疏布局（例如 COO 和 CSR）
Masked Tensor 高级语义
详细了解 Masked Tensor 的高级语义（与 NumPy 的 MaskedArray 的简化和比较）
Masked Tensor：简化 Adagrad 稀疏语义
查看有关 Masked Tensor 如何实现稀疏语义并提供更清晰的开发体验的展示
Mobile
在 PyTorch 中使用 iOS GPU
将 MobileNetV2 转换为 NNAPI
了解如何准备计算机视觉模型以使用 Android 的神经网络 API (NNAPI)
PyTorch Vulkan 后端用户工作流程
基于跟踪的选择性构建 Android 和 iOS Mobile Interpreter
了解如何通过基于跟踪的选择性构建来优化 Mobile Interpreter 大小
将 Mobilenetv2 转换为 Core ML
了解如何准备计算机视觉模型以使用 PyTorch Core ML 移动后端
Model Optimization
电感器 Cpp 包装教程
使用 Inductor Cpp Wrapper 加速您的模型
Model Optimization
(prototype) 利用半结构化 (2:4) 稀疏性加速 BERT
Modules
在 PyTorch 1.10 中跳过模块参数初始化
描述在 PyTorch 1.10 中的模块构建期间跳过参数初始化，避免浪费计算
NestedTensor
Nested Tensor
了解 Nested Tensor，这是批处理异构长度数据的新方法
Quantization
FX 图形模式量化用户指南
FX 图形模式训练后动态量化
了解如何基于 torch.fx 在图形模式下进行训练后动态量化
FX 图形模式训练后静态量化
了解如何基于 torch.fx 在图形模式下进行训练后静态量化
BERT 上的图模式动态量化
了解如何在 BERT 模型上使用图模式量化进行训练后动态量化
PyTorch 数字套件教程
了解如何使用 PyTorch Numeric Suite 支持量化调试工作
如何为 PyTorch 2 导出量化编写量化器
PyTorch 2 导出训练后量化
了解如何在 PyTorch 2 Export 中使用训练后量化
PyTorch 2 导出量化感知训练
了解如何在 PyTorch 2 Export 中使用量化感知训练
Text
BERT 上的图模式动态量化
了解如何在 BERT 模型上使用图模式量化进行训练后动态量化
TorchScript
TorchScript 中的模型 Freezing
Freezing 是将 Pytorch 模块参数和属性值内联到 TorchScript 内部表示的过程
vmap
使用 torch.vmap
了解 torch.vmap，这是一个用于 PyTorch 操作的自动矢量化器
