AI 与机器学习blog.ezyang.com编辑精选
PyTorch 内部原理:Ezyang 的博客
PyTorch Internals: Ezyang's Blog
2019 — 2025,它一次次回到首页
黑点是上首页(≥ 50 分)的那次投稿,空心点是没冲上去的投稿,点越大分数越高。
导读
Edward Z. Yang 撰写的 PyTorch 内部机制解析,深入讲解 PyTorch 的核心架构,包括张量(Tensor)的底层实现、自动求导系统(autograd)的工作原理等。文章以清晰的图示和代码讲解帮助读者理解这个主流深度学习框架是如何在 C++ 层面组织起来的。
为什么经久不衰:它系统剖析了 PyTorch 的内部设计,即使多年后框架演进,其核心架构思想依然适用,是理解深度学习框架底层原理的经典读物。
HN 评论精选
作者同事分享线下演讲信息并宣传社区活动
很高兴看到这篇文章出现在这里!Edward 曾在 PyTorch 纽约 meetup 上精彩地讲解过这些内容。如果有人在纽约,我们正在尝试举办每月一次的活动,主要聚焦技术深度分享,欢迎所有人参加!
alexrigler查看英文原文
Great to see this here! Unfortunately I didn't get to record it but Edward presented these slides wonderfully at the PyTorch NYC meetup [1]. If anyone is in New York we're trying to host monthly events. We're mostly focused on technical deep dives. All are welcome! (1)[https://www.meetup.com/PyTorch-NYC/](https://www.meetup.com/PyTorch-NYC/)
提问不同深度学习框架内部设计的差异
我不是搞机器学习的,但流行的框架(TensorFlow、PyTorch 等)的内部实现差异很大吗?它们主要是在算法实现上不同,还是存在更根本的设计理念差异?
barbecue_sauce查看英文原文
Not a machine learning guy, but are the internals of the popular frameworks (TensorFlow, PyTorch, etc.) vastly different? Are they mostly different in algorithm implementations, or are there more philosophical differences?
历次讨论
同类还值得读
如何写一个拼写纠正器
How to Write a Spelling Corrector
Peter Norvig 用一个几十行的 Python 程序演示如何做拼写纠正:先用编辑距离(删除、插入、替换、换位)生成所有可能的候选词,再用从大量文本中统计出的词频概率,选出…
AI 与机器学习上首页 10 次 · 2007–2022norvig.com编辑精选面向黑客的概率编程与贝叶斯方法
Probabilistic Programming and Bayesian Methods for Hackers (2013)
《黑客的贝叶斯方法与概率编程》是一本开源的贝叶斯统计入门书,以 Python/PyMC 代码和交互式 Jupyter Notebook 为主线,强调“先实践、后数学”的学习路径,…
AI 与机器学习上首页 5 次 · 2013–2018camdavidsonpilon.github.io编辑精选神经网络黑客指南
Hacker's Guide to Neural Networks
Andrej Karpathy 写的神经网络入门教程,面向程序员,从最简单的表达式求导讲起,逐步推导出反向传播和梯度下降,最后引出神经网络。
AI 与机器学习上首页 4 次 · 2014–2019karpathy.github.io编辑精选神经网络能逼近任意函数的可视化证明
A visual proof that neural nets can approximate any function
这一章来自 Michael Nielsen 的在线书《Neural Networks and Deep Learning》,用 sigmoid 单元叠加成局部隆起/平滑阶跃的图示…
AI 与机器学习上首页 4 次 · 2014–2022neuralnetworksanddeeplearning.com编辑精选论乔姆斯基与统计学习的两种文化
On Chomsky and the Two Cultures of Statistical Learning
Norvig 回应 Chomsky 对统计语言模型批评的文章,围绕“统计学习能否解释语言”展开,比较生成与解释、少参数模型与 Shannon 式高参数统计模型。
AI 与机器学习上首页 4 次 · 2011–2025norvig.com编辑精选