pytorch更新完后Variable与Tensor合并了。现在torch.Tensor()能像Variable一样进行反向传播的更新，返回值为Tensor，Variable自动创建tensor，且返回值为Tensor，（所以以后不需要再用Variable）。Tensor创建后,默认requires_grad=Flase，可以通过xxx.requires_grad_()将默认的Flase修改为True。来看看官方文档是怎么介绍的吧。

由于在模型训练的过程中存在大量的随机操作，使得对于同一份代码，重复运行后得到的结果不一致。因此，为了得到可重复的实验结果，我们需要对随机数生成器设置一个固定的种子。这样我们就得到了结果可复现的随机数种子。

我们都知道Django rest framework这个库，默认只支持批量查看，不支持批量更新（局部或整体）和批量删除。下面我们来讨论这个问题，看看如何实现批量更新和删除操作。

在图论中求最短路径的算法主要有三种，其中最具代表性的当属Dijkstra算法，那么Dijkstra算法算法要如何在python中实现呢？今天小编就带你来了解一下。

之前小编的一篇文章pytorch 计算图以及backward，讲了一些pytorch中基本的反向传播，理清了梯度是如何计算以及下降的，建议先看懂那个，然后再看这个。

运算符重载是一种赋予运算符新的功能的方法。在python中也可以进行运算符的重载。接下来就让我们来看看python怎么进行运算符重载吧。

在使用pytorch的过程中，一款好用的可视化工具是必不可少的，TensorBoard就是这样一款强大的神经网络可视化工具。那么这个工具要如何使用呢？请看小编接下来的介绍：

在使用pytorch的autograd的时候，难免会遇到一两个的坑等着小伙伴们去跳。今天小编总结了一些常见的pytorch的autograd的坑、小伙伴们在看完这篇总结后可不能在跳坑了哦。

在Django中get()和filter()都有查询参数匹配对象的功能。那么他们两者间有什么区别呢？有！他们的返回值不同，接下来小编就来讲讲他们的返回值区别在哪吧。

在机器学习的代码调试过程中，网络参数总量是一个重要的参考数值。那么在pytorch中怎么查看网络参数总量呢？接下来的这篇文章带你了解。