曦云系列通用计算GPU mcPyTorch用户指南
1. 概述
2. 快速安装
2.1. 基于pip安装
2.1.1. 环境准备
2.1.2. 开始安装
2.1.3. 验证安装
2.1.4. 如何卸载
2.2. 使用Docker运行
3. 功能支持
3.1. torch
3.2. torch.nn
3.2.1. Convolution Layers
3.2.2. Recurrent Layers
3.2.3. Dropout Layers
3.3. torch.nn.functional
3.4. torch.Tensor
3.5. Tensor Attributes
3.6. Tensor Views
3.7. torch.amp
3.8. torch.autograd
3.9. torch.library
3.10. torch.cuda
3.10.1. cuda
3.10.2. Random Number Generator
3.10.3. Communication collectives
3.10.4. Streams and events
3.10.5. Memory management
3.10.6. Tools Extension
3.10.7. Jiterator (beta)
3.11. torch.backends
3.11.1. torch.backends.cuda
3.11.2. torch.backends.cudnn
3.11.3. torch.backends.mps
3.11.4. torch.backends.mkl
3.11.5. torch.backends.mkldnn
3.11.6. torch.backends.openmp
3.11.7. torch.backends.opt_einsum
3.12. torch.distributed
3.13. torch.distributions
3.14. torch._dynamo
3.15. torch.fft
3.16. torch.fx
3.17. torch.jit
3.18. torch.linalg
3.19. torch.package
3.20. torch.profiler
3.21. torch.nn.init
3.22. torch.onnx
3.23. torch.optim
3.24. Complex Numbers
3.25. DDP Communication Hooks
3.26. torch.random
3.27. torch.masked
3.28. torch.nested
3.29. torch.sparse
3.30. torch.Storage
3.31. torch.testing
3.32. torch.utils.benchmark
3.33. torch.utils.bottleneck
3.34. torch.utils.checkpoint
3.35. torch.utils.cpp_extension
3.36. torch.utils.data
3.37. torch.utils.jit
3.38. torch.utils.model_zoo
3.39. torch.utils.tensorboard
3.40. Type Info
3.41. torch.__config__
4. 常用环境变量
4.1. PYTORCH_DEFAULT_NCHW
4.2. TORCH_ALLOW_TF32_CUBLAS_OVERRIDE
4.3. PYTORCH_ALLOW_CUDA_CUDNN_TF32
5. PyTorch精度对比工具
5.1. 接口介绍
5.1.1. start_record
5.1.2. record
5.1.3. record_switch
5.1.4. gen_report
5.2. 生成文件介绍
5.3. 使用流程
5.4. 注意事项
曦云系列通用计算GPU mcPyTorch用户指南
搜索
请启用 JavaScript 以便使用搜索功能