鐵人檔案
主要介紹深度學習的兩大框架，Google Tensorflow 和 Facebook PyTorch。在這個系列，第一個禮拜會先介紹這兩個框架的基本性不同，以及兩個框架如何在截然不同的設計中找到自己的族群，並在這個深度學習框架戰場上相互學習。隨後兩個裡拜，我們就會潛入兩個框架的 C++ API， 學習如何使用兩個框架提供的 C++ API。最後，則是把重心放在 ONNX，討論使用 ONNX 提供的 speciation 使訓練模型可以在兩個框架間互通。
在進入 PyTorch C++ front-end API 以及其他的 C++ use case 之前，會先做一個簡單的 CMake 教學，因為 PyTorch...
在很多時候，因為需要一個高效能，低延遲，高度平行化的執行環境，使用 python API 建立的模型不一定能夠達成需求，因此能夠直接使用 C++ 來撰寫模型，和...
致讀者，由於筆者的電腦遭遇到不幸的事件襲擊，所以在修復期間，仍會盡量發文，但文中的程式碼目前不會親自驗證，望各位讀者多體諒。各位讀者也可以繼續關注本文章，而獲得...
昨天是介紹如何用 python c/c++ extension 的方法來擴充 PyTorch。今天，我們又回到 TorchScript ，希望能用 TorchS...
給讀者： 9/21 11:45 pm 是搶先版，陸續還會有更新。 這個禮拜我們將要離開 PyTorch 一陣子，再回到我們尚未探險完全的 Tensorflow...
在Tensorflow 1.x Eager Mode的介紹中，我們提到了如何用 eager mode 的 tf.GradientTape() 的 context...
給讀者：這是鐵人賽的搶先版，往後陸續還有更新。 在上一篇文章中我們提到了如何在 eager mode 2.0 處理tf.Variable 的眾多問題。今天我們將...
Functions, not Sessions 上圖引自 RFC：TF 2.0: Functions, not Sessions（見 Reference 1）...
在上一篇文章中稍微提到了 tf.function 在 Tensorflow 2.0 的角色，這次我們仍舊會著重在 tf.function，但也會介紹 tf.fu...
在介紹eager mode和tf.function的時候，就提到了 tf.Variable 如何在這兩種執行環境中使用。今天，我們一開始仍舊把重心放在tf.Va...
