小编vai*_*ijr的帖子

当我在PyTorch分布样，都sample和rsample似乎给了类似的结果：

import torch, seaborn as sns

x = torch.distributions.Normal(torch.tensor([0.0]), torch.tensor([1.0]))

sns.distplot(x.sample((100000,)))	sns.distplot(x.rsample((100000,)))

什么时候用sample()，什么时候用rsample()？

该文档不包含任何 gradcheck 示例用例，它在哪里有用？

Google-Colab 有自动完成功能，但左边的小符号是什么意思，有多少个不同的符号？

如何在 colab 上查看 TPU 的规格，对于 GPU，我可以使用类似命令

nvidia-smi

但它不适用于 TPU，我如何查看 TPU 的规格？

1）True.__init__给出

`<method-wrapper '__init__' of bool object at 0x9efaa0>`

2）int.__init__给出

`<slot wrapper '__init__' of 'object' objects>`

有什么不同？

参数在训练过程中被更改，也就是说，它们是在神经网络训练过程中学习到的东西，但是什么是缓冲区？

在神经网络训练中是学到的吗？

当我做，

import torch, torch.nn as nn
x = nn.Linear(3, 3)
y = torch.nn.utils.spectral_norm(x)

然后它给出四个不同的权重矩阵，

y.weight_u

tensor([ 0.6534, -0.1644,  0.7390])

y.weight_orig

Parameter containing:
tensor([[ 0.2538,  0.3196,  0.3380],
        [ 0.4946,  0.0519,  0.1022],
        [-0.5549, -0.0401,  0.1654]], requires_grad=True)

y.weight_v

tensor([-0.3650,  0.2870,  0.8857])

y.weight

tensor([[ 0.5556,  0.6997,  0.7399],
        [ 1.0827,  0.1137,  0.2237],
        [-1.2149, -0.0878,  0.3622]], grad_fn=<DivBackward0>)

这四个矩阵是如何计算的？

object.__init__cpython 存储库位于哪里？__init__我在 中搜索Objects/object.c，但没有给出任何结果。

看来所有不可变数据类型都使用object.__init__，所以我想知道它的实现。

两个都

x = 1
f"{x}"

和

x = '1'
f"{x}"

给

'1'

作为输出。我如何获得"1"and"'1'"作为输出？

x = torch.tensor([3])

我有张量对象

print(x)

它给 tensor([3])

x.data[0]给出tensor(3) 如何得到公正3？

在 Python 3.7.13 上

dict().values in dict()

给出，

TypeError: unhashable type: 'dict'

在 Python 3.11 上，

dict().values in dict()

给出，

False

造成这一变化的原因是什么？