PYTORCH 日本語 意味 - 日本語訳 - 中国語の例文

• pytorch

中国語 での Pytorch の使用例とその 日本語 への翻訳

玩转PyTorch，利用线性回归.
PyTorchを使って線形回帰。

年4月，Caffe2代码合并到PyTorch。
年3月下旬に、Caffe2はPyTorchに併合された。

PyTorchonAzure：深入学习石油和天然气行业.
PyTorchonAzure：石油とガス産業におけるディープラーニング。

我喜欢Tensorflow，我也喜欢PyTorch。
ピタゴラスイッチが好きだ私、ピタゴラスイッチが大好きなのであります。

PyTorch是一个提供两个高级功能的python包：.
PyTorchはPythonパッケージで、2つの高度な機能を提供します：。

Kaolin是一个旨在加快3D深度学习研究的PyTorch库。
Kaolinは3Dディープラーニングの研究を加速させるためのPyTorchライブラリです。

Pytorch（深度学习框架），Jupyter（数据分析工具）.
Pytorch(深層学習フレームワーク)、Jupyter(データ分析ツール)。

自Facebook开源PyTorch以来，该项目赢得了许多支持者。
FacebookがPyTorchをオープンソースにして以来、プロジェクトはたくさんの支持者を得ている。

Pytorch是一个由facebook开发的深度学习框架。
PyTorchはFacebookを中心として開発されているDeepLearningフレームワークです。

虽然这种技术不是PyTorch独有的，但它是迄今为止最快的实现之一。
このテクニックはPyTorchに特有のものではありませんが、これまでの実装方法の中で最も速いものの1つです。

因此，PyTorch是相当快-无论你运行小或大的神经网络。
したがって、PyTorchは非常に高速です-小規模または大規模なニューラルネットワークを実行するかどうか。

虽然这种技术并不是PyTorch所特有的，但它是迄今为止最快的实现之一。
このテクニックはPyTorchに特有のものではありませんが、これまでの実装方法の中で最も速いものの1つです。

因此，PyTorch相当快-无论您是运行小型或大型神经网络。
したがって、PyTorchは非常に高速です-小規模または大規模なニューラルネットワークを実行するかどうか。

我们的代码、预训练模型以及超参数在TensorFlow和PyTorch中都可以使用。
我々のコード，事前学習済みモデル，ハイパーパラメーターはTensorflowとPyTorchの両方で利用できる。

PyTorch是一个社区驱动的项目，由经验丰富的工程师和研究者开发。
PyTorchはコミュニティに基づいたプロジェクトで、いくつかの熟練したエンジニアと研究者がそれに貢献しています。

AWS深度學習AMI現可支援PyTorch、Keras2及最新的深度學習架構.
AWSDeepLearningAMIでPyTorch、Keras2、および最新のディープラーニングフレームワークをサポート。

PyTorch是一个社区驱动的项目，由经验丰富的工程师和研究者们开发。
PyTorchはコミュニティに基づいたプロジェクトで、いくつかの熟練したエンジニアと研究者がそれに貢献しています。

我们的代码、预训练模型以及超参数在TensorFlow和PyTorch中都可以使用。
私たちの論文で使用されているコード、事前学習モデル、そしてハイパーパラメータは、GitHubのTensorflowとPyTorchの両方で利用可能です。

在为我们的几个项目编写样板代码之后，我们的一位实习生建议我们为PyTorch创建更全面的工具。
いくつかの社内プロジェクトのために定型的なコードを書いた後、インターンの1人が、PyTorch向けにもっと包括的なものを作ってはどうかと勧めてくれました。

编写新的神经网络模块，或PyTorch的TensorAPI的使用，其设计非常直接和最小的抽象。
新しいニューラルネットワークモジュールの作成やPyTorchのTensorAPIとのインターフェースは、最小限の抽象化を伴って簡単であるように設計されました。

如果你想探究深度学习，我建议在进入TensorFlow或PyTorch之前先从Keras或FastAI开始。
もしも積極的にディープラーニングを学ぶことを考えているのなら、TensorFlowやPyTorchの前にKerasかFastAIから始めることをお勧めします。

此外，AmazonSageMaker为Cerner提供了利用Tensorflow和PyTorch等不同框架，以及与各种AWS服务集成的能力。
さらに、AmazonSageMakerは、CernerにTensorflowやPyTorchなどのさまざまなフレームワークを活用する機能とさまざまなAWSのサービスと統合する機能を提供します。

它们包含PyTorch0.3.0版本，支持NVIDIACUDA9和cuDNN7，而且在NVIDIAVoltaGPU上训练模型的性能得到显著提升。
これらにはPyTorchv0.3.0、NVIDIACUDA9およびcuDNN 7のサポートが含まれており、NVIDIAVoltaGPUでのトレーニングモデルのパフォーマンスが大幅に向上しています。

该镜像包含要求的深度学习框架库（目前是TensorFlow、PyTorch和ApacheMXNet）和工具，并且经过充分测试。
イメージには、必要になる深層学習フレームワークのライブラリ(現時点ではTensorFlow、PyTorch、ApacheMXNet)とツールが含まれ、そのすべてがテスト済みです。

AWS表示，Neo-AI会自动优化TensorFlow、MXNet、PyTorch、ONNX和XGBoost框架的模型，并可能将这些模型的运行速度提高一倍，而不会损失准确性。
Neo-AIは、TensorFlow、MXNet、PyTorch、ONNX、およびXGBoostモデルを自動的に最適化して、最大元のモデルの2倍速で正確性を損なうことなく実行できます。

通过最大实例上的16个芯片，新的和现有的TensorFlow、PyTorch和MxNet推断工作负载可从2petaOPS推断功能中受益。
最大のインスタンスに16個のチップが搭載されているため、新規および既存のTensorFlow、PyTorch、およびMxNet推論ワークロードは、2petaOPSを超える推論能力の恩恵を受けることができます。

要求：你将使用的技术包括Python、scikit-learn、Pandas、SQL，可能还有Flask、Spark和/或TensorFlow/PyTorch。
必要条件：あなたが使う事になるテクノロジーはPython、scikit-learn、Pandas、SQL、そしておそらくFlask、Sparkそして/またはTensorFlow/PyTorchを含みます。

DeepLearningAMI现在支持最新的PyTorch0.4.1（预配置了NVidiaCUDA9.2）、cuDNN7.1.4和NCCL2.2.13，以加速AmazonEC2P3实例上的深度学习。
深層学習AMIは最新のPyTorch0.4.1(NVidiaCUDA9.2、cuDNN7.1.4、NCCL2.2.13で設定済み) をサポートするようになり、AmazonEC2P3インスタンスでの深層学習を加速します。

最新的AWSDeepLearningAMI将会预装在最新版本的ApacheMxNet、Caffe2和Tensorflow中(均支持NVIDIATeslaV100GPU)，并且在MicrosoftCognitiveToolkit和PyTorch等其他机器学习框架发布对NVIDIATeslaV100GPU的支持之后，AWSDeepLearningAMI将会进行更新，以使用这些框架来支持P3实例。
最新のAWSDeepLearningAMIには、ApacheMxNet、Caffe2、Tensorflow（それぞれがNVIDIA TeslaV100GPUをサポート）の最新リリースがプリインストールされており、MicrosoftCognitiveToolkitやPyTorchなどの他の機械学習フレームワークがNVIDIATeslaV100GPUのサポートをリリースするとすぐに、P3インスタンスをサポートするように更新されます。

Requirements:必要的技术包括Python,Javascript,scikit-learn，TensorFlow/PyTorch（and/orenterprisedeeplearningframeworks）和SQL或MongoDB（通常用于appDB）。
要件：Python、Javascript、scikit-learn、TensorFlow/PyTorch(および/または大企業向けディープラーニングフレームワーク)、およびSQLまたはMongoDB(通常はアプリケーションDBに使用されます)を扱うテクノロジなどがあります。