Torch 深度學習內部討論與回饋這是 JMP Pro 的 Torch 深度學習插件的官方內部聊天板。該外掛程式為 JMP 在當今大肆宣傳的預測建模、機器學習和人工智慧路線圖中提供了關鍵組件。請隨時發布問題、意見或問題。
回覆：Torch 深度學習內部討論與回饋聽起來不錯， @russ_wolfinger 。
我將就手動程式碼修改向我的客戶和您寫一封電子郵件。
再次感謝，我會盡快與您聯繫。
回覆：Torch 深度學習內部討論與回饋您好@DaeYun_Kim目前還沒有，儘管在加載項安裝檔案中定義了一個路徑變量，用於指定所有下載發生的 Web 位置。客戶可以輕鬆地將其更改為本地地址，然後模仿我們在線上儲存所有 zip 檔案的相同資料夾結構。很高興與您和客戶合作更詳細地解釋這一點並幫助修改程式碼。
另一種選擇是安裝初始加載項，然後讓每個使用者手動將所有動態庫檔案從內部共用位置複製到本機加載項資料夾中。我們經常在內部這樣做以進行測試，並且效果很好。
回覆：Torch 深度學習內部討論與回饋@russ_wolfinger Torch 深度學習插件可以安裝在封閉環境中（沒有網路連線或有防火牆）嗎？如果沒有，是否有其他方法可以在這樣的環境中安裝此加載項？先感謝您。
回覆：Torch 深度學習內部討論與回饋大家好，
我們收到了一些有關 Torch 模型部署的良好回饋，這是一個很好的跡象，表明客戶正在認真考慮在其管道中使用 Torch 模型。該外掛目前僅提供幾個範例 Jupyter 筆記本，在實際部署程式碼方面還有很多不足之處。
最近，我們在模型紅色三角形中實施了全新的「生成 Python 程式碼」選項，取得了重大改進，並希望在 18.1 和 19 早期採用者中提供此選項。該選項創建的 Python 程式碼呼叫名為 JMPTorch 的新 Python 類，該類將包含在該插件的未來版本中。此類的預測方法處理保存在 Torch 目錄中的所有模型並建立平均整合預測，處理所有中間步驟和嵌入。附加的 zip 檔案包含當前的 jmptorch.py 檔案以及該類別以及範例呼叫程式碼和 10 個範例圖像。
程式碼全部是Python，可以在JMP的Python中運行，也可以在安裝必要的套件後在外部Python中運行。請參閱「Model 1.py」頂部的註釋說明，以了解要安裝哪些軟體包，當然包括 torch 本身。
希望聽到您對此的反饋以及任何改進的想法。我們昨天剛剛向 Lumentum 展示了它，他們很喜歡。
筆記：
- JMPTorch 類別對於文字和更複雜的模型仍然不完整，但應該適用於基本圖像和表格分類模型。
- 目前，該外掛程式的 Torch 動態程式庫與 JMP 的 Python 中安裝的類似動態程式庫之間存在衝突，因此您只能在任何單一 JMP 會話中運行其中之一。我已經在兩個單獨的 JMP 實例中成功運行了一些東西。
回覆：Torch 深度學習內部討論與回饋感謝@nick_shelton檢查此內容。儲存 CAM 選項目前無法正常運作，但我們計劃在即將發布的版本中修復該問題。完全同意這是可視化和解釋卷積神經網路如何運作的好方法。
回覆：Torch 深度學習內部討論與回饋@russ_wolfinger我一直在探索「儲存 CAM」選項。鑑於 JMP 在視覺化方面的優勢，我認為這將是圍繞使用 JMP 解釋 ML 模型的一個很好的對話開始。問題是我無法找到適合我的選項。每次我建立模型並使用該選項時，我都會得到看起來完全黑暗的圖像。我缺少一個步驟嗎？
回覆：Torch 深度學習內部討論與回饋大家好，
想要嘗試真正快速的 NVIDIA GPU 嗎？尋求志工！請不要讓這分散您對銷售職責的注意力，但您可以在重要的銷售機會或空閒時間使用它。
您可能聽說過 SAS 目前非常積極地透過其許多分析部門的 CUDA 編碼進行 NVIDIA 特定 GPU 開發。他們正在購買一系列新的 NVIDIA 設備，一直到最新的 H100，價格超過 25,000 美元。
他們需要一些基準測試，我一直在聯繫，表明使用我們擁有的用於圖像和文字分類的所有新範例，透過 Torch 插件和掛鉤 GPU 啟動和運行 JMP Pro 是多麼容易和快速回歸。
他們剛剛為我們設定了一台新的 Windows 2022 伺服器，配備四個獨立的 L40 GPU，每個 GPU 都有 48 GB 記憶體！ L40 比 TDL 上的 P100 現代化了三代。
如果您想嘗試這個新伺服器，請直接給我發送訊息，我將向您發送登入憑證和說明。我們所要求的只是您發回您嘗試的模型的一些運行時間（您的選擇或我可以推薦一些），這些運行時間將列印在您擬合的每個 Torch 模型之後的 JMP 日誌中。
對於一些初始案例，我一直在嘗試 Torch Storybook 中的幾個不同範例，並且發現比 P100 的速度提高了約 2-3 倍。
喜歡這個東西，
拉斯
回覆：Torch 深度學習內部討論與回饋謝謝~！
回覆：Torch 深度學習內部討論與回饋謝謝金！
回覆：Torch 深度學習內部討論與回饋謝謝@lkimhui 。大家都清楚，「斷開連線」和「註銷」是有差別的。中斷連線或僅關閉遠端桌面連線應用程式不會終止會話，JMP 和您開啟的任何其他應用程式仍在伺服器上執行。要終止會話並釋放任何已使用的資源，您需要「註銷」。 Windows 功能表中提供了「登出」選項，按一下您的登入名，然後選擇「登出」。
回覆：Torch 深度學習內部討論與回饋
附議這一點，請在使用後註銷實例，空閒用戶仍在消耗 RAM。
附上 5 個空閒用戶的累積值，已經消耗了 128GB RAM 的約 23%。
回覆：Torch 深度學習內部討論與回饋@Ben_Ingham您好，我們仍在努力簡化流程，但目前有一些在 Python 筆記本中部署保存的 .pt 檔案的範例。點擊“視圖”>“加載項”，選擇“TorchDeepLearning”，點擊“主資料夾”鏈接，然後查看筆記本子資料夾。
每個模型都保存在 2-3 個單獨的 .pt 檔案中，以啟用中間嵌入的輸出。在 Python 中，需要指定完全相同的架構，然後從 .pt 檔案載入模型權重。如果您進行 K 折，則會保存多個模型，可以對它們進行平均/集成，以獲得更穩定和準確的預測。
回覆：Torch 深度學習內部討論與回饋大家好，
我很想知道客戶在 Torch 插件中創建模型後如何在 JMP 之外部署其模型的建議 - 因為它位於您可以在 Formula Depot 中分配的公式的“外部”，所以最好的流程是什麼？
謝謝，
本
回覆：Torch 深度學習內部討論與回饋大家好，
我收到了一些請求，要求分享用於演示Torch 外掛點播網路研討會的幻燈片。
幹得好！
回覆：Torch 深度學習內部討論與回饋我今天早上確實看到了@russ_wolfinger
回覆：Torch 深度學習內部討論與回饋@Florian_Vogt您好，我剛剛在開始時更新了有關遠端桌面的更多詳細資訊的說明。如果它不適合您，請告訴我。我不熟悉國際上的運作方式，可能需要額外的步驟。
回覆：Torch 深度學習內部討論與回饋嗨弗洛里安，
從您的筆記型電腦搜尋 Microsoft 遠端桌面應用程式。如果您沒有看到它，您可能需要從託管軟體中心安裝它。當您啟動遠端桌面應用程式時，您需要按照 Russ 的說明建立連線。
馬爾科姆
回覆：Torch 深度學習內部討論與回饋謝謝拉斯，現在一切正常。
回覆：Torch 深度學習內部討論與回饋謝謝@Chris_Kirchberg，我剛剛更新了說明，第一步是 VPN。對於電腦本身，IT 部門大概在昨天下午取消了所有並髮用戶數量的限制。今天你看到這個限制了嗎？如果是的話我可以再問他們。
回覆：Torch 深度學習內部討論與回饋謝謝@malcolm_moore1，我剛剛重置了 C:\Public 上的權限，這樣每個人都可以讀/寫。我之前設置過它們，但不知何故它們又變回來了。希望這次他們能堅持下去。
回覆：Torch 深度學習內部討論與回饋嗨，拉斯，
這真是太棒了，謝謝。
「遠端桌面進入」到底是什麼意思？我怎麼做？
謝謝
佛洛里安
回覆：Torch 深度學習內部討論與回饋這些說明中需要增加兩件事：
- 您的電腦必須透過 VPN 連接才能存取伺服器，否則將無法連接
- 完成後，請登出伺服器，連線數量有限。幾秒鐘前我連接時，我看到有兩個人在線上。其中一個被列為“離開”，另一個被列為空閒 1 小時 30 分鐘。
回覆：Torch 深度學習內部討論與回饋謝謝 Russ，您介意檢查對C:\Public 的存取權限嗎，因為我在嘗試安裝插件時被拒絕存取。
最好的，
馬爾科姆
回覆：Torch 深度學習內部討論與回饋很高興地宣布 Windows Server tdl.na.sas.com已經為 JMP 中的任何人創建了遠端桌面存取和使用，特別是那些本地運算能力較慢的人。它配備了兩個 NVIDIA P100 GPU，每個 GPU 都有 12 GB GPU 記憶體和 128 GB CPU RAM。我們 2-4 個人應該能夠同時運行 Torch。指示：
1. 建立VPN 連線。我使用 Cisco Secure Client AnyConnect VPN，但不確定國際上每個人都做什麼。
2. 在 Windows 上啟動遠端桌面應用程式。我相信 Microsoft 也可以在 Mac 上使用此功能（如果這在 Mac 上不起作用或是否有更好的替代方案，請糾正我）。對於計算機，輸入 tdl.na.sas.com，然後根據提示輸入您的 Windows 憑證。這應該會讓您進入伺服器上的虛擬會話。
3. 遠端桌面進入後，找到並啟動 JMP Pro 19（最新版本，準備好後將被 18.0.1 取代）或 JMP Pro 18（應該運行良好，但在 19 中修復了一些問題） 。
2. 將 C:\Public\TorchDeepLearning.jmpaddin 拖曳到 JMP Pro 上，安裝您自己的 Torch 外掛程式副本。您也可以從https://community.jmp.com/t5/JMP-Add-Ins/Torch-Deep-Learning-Add-In-for-JMP-Pro/ta-p/733478下載插件
3. 點選加載項 > Torch Deep Learning > Torch Deep Learning，然後選擇 NVIDIA-GPU。
等待幾分鐘，讓所有檔案成功下載並解壓縮，然後您就可以開始了。
4. 這是共享資源，我們有時可能需要輪流。若要檢查目前使用情況，請先開啟任務管理器，檢查 CPU 和內存，然後按一下「使用者」標籤以查看誰登入。
如果至少有一個 GPU 的電量為 0%，則表示您可以開始操作。如果兩個 GPU 都在使用，請稍後再回來。如果您正在運行模型並使用 GPU，則可以繼續運行幾個小時，但完成後請確保保存您的工作並關閉 JMP，以便清除所有 GPU 記憶體。若要使用 Torch 加載項中的第二個 GPU，請在首次執行加載項時在「進階選項」下選擇裝置「cuda:1」。
5. 享受以 NVIDIA GPU 速度運行 Torch 模型的樂趣！從範例資料、Torch Storybook 或您自己的資料中進行選擇。 C:\Public 資料夾是與所有人共享的，應該方便傳輸檔案。也請隨意在 C:\ 中建立資料夾來保存資料和結果。
6. 請在此處報告任何問題、回饋、疑問或建議或直接給我留言。
我們知道第 2 步浪費了磁碟空間，因為我們每個人最終都會得到自己的一組大型 dll。 C: 驅動器有 1 TB 空間，所以暫時應該沒問題。如果你們中有人熟悉在這樣的伺服器上設定具有共享檔案的加載項，請與我聯繫，我們可以在這裡嘗試。我不確定這些 dll 是否是可重入的——這對於可能選擇這樣設置的客戶來說是很好的確定。寶潔公司已經在談論這個問題了。
回覆：Torch 深度學習內部討論與回饋計劃針對 18.0.1 進行修復，刪除長訊息的中間部分以進行視窗顯示，但仍將完整訊息傳送至日誌。
回覆：Torch 深度學習內部討論與回饋來自團隊「JMP 18 訓練新功能」聊天的交叉貼文：
大家好，更新後的火炬故事書附有六個新範例：
謹將「Love Your Smile」獻給 Ian，他溫暖而好奇的微笑引發了無數富有成效的互動，並且一直是我們 JMP 文化和軟體如此強大的核心。更不用說他用於顯示 SMILES 字串化學結構的出色插件了。得到這個：類似於@Chunwei_Ma在勝肽上的液相層析保留時間範例，我們可以使用 BertTiny 等轉換器語言模型以 SMILES 字串作為輸入來準確預測 IGC50 等化學活性。確實令人印象深刻並受到伊恩的啟發:cara_que_sonríe_con_ojos_sonrientes:
向@lkimhui的 SEM 圖像、 @Byron_JMP的 M&M 圖片（與曼徹斯特的數據相同）、 @jiancao的多倫多賭場調查數據以及@Chunwei_Ma的 Yeast_RPLC 致敬。非常感謝所有的回饋和興趣，我們才剛開始！ 18.0.1 中即將進行大量修復和改進。
@lkimhui和 Amanda Loh 在亞洲/大洋洲的 Torch 網路研討會上表現出色：
Torch 外掛 JMP Pro 18 - 2024 年 3 月 20 日.mp4
最後，對於那些硬體速度較慢的用戶，我們正在與 IT 部門合作，建立一個具有 NVIDIA GPU 直通功能的內部 Windows 伺服器，您可以透過 Torch 進行遠端桌面存取並執行 JMP Pro。詳細資訊應該很快就會公佈。
回覆：Torch 深度學習內部討論與回饋謝謝@russ_wolfinger ，睡了一晚好覺後，JMP 允許我再次安裝:)
回覆：Torch 深度學習內部討論與回饋您好@Florian_Vogt必須有一些檔案或進程從先前執行的加載項或可能從第二個 JMP 實例開啟。確保所有 JMP 會話均已關閉，在任務管理器中驗證任何內容，然後重試。如果還是不行，完全刪除com.jmp.torchdeeplearning資料夾並重新開始也可以。如果您的網路速度不錯，從頭開始的總安裝時間（包括下載）應該不會超過一兩分鐘。
回覆：Torch 深度學習內部討論與回饋大家好，
我想將插件更新到最近發布的版本。我下載了新檔案並想要安裝，但隨後出現了以下情況：
重新啟動 JMP 後，插件從選單中消失，但我仍然無法安裝它。
有什麼想法我搞砸了嗎？
回覆：Torch 深度學習內部討論與回饋我不久前為此問題創建了一個 Jira 票證。它已經關門了。
回覆：Torch 深度學習內部討論與回饋使用 NIST 資料集的子集，視窗中顯示的設定建立了錯誤訊息，時間過長，它就會滾出頁面，因此我無法關閉它，因此我必須手動終止 JMP。在 MacBook Pro M3/Max 上運作。
回覆：Torch 深度學習內部討論與回饋@russ_wolfinger ，謝謝，這是圖像大小問題。當我將圖像大小提高到 112 時，模型可以正常工作。是否可以新增檢查或設定預設影像尺寸以與所選影像模型相容？
回覆：Torch 深度學習內部討論與回饋謝謝@Peter_Hersh，我剛剛在 SE 培訓團隊聊天中發布了以下內容，讓我在此處重新發布以確保人們看到它。具體來說，有興趣了解您是否安裝了 CUDA，以及這是否會產生影響，因為我認為您的 RTX A3000 在許多情況下應該都能很好地工作。另請注意，AlexNet 和其他幾個模型需要圖像大小大於 28。224 通常非常好，但會減慢運行時間。 56 和 112 的圖像大小在許多情況下也可以很好地工作，並且比 224 更快。
Windows 筆記型電腦使用者：您可能仍然幸運地使用 NVIDIA 卡獲得加速，至少對於較小的圖像和文字模型而言。請嘗試以下步驟：
1. 開啟任務管理器，按一下「效能」選項卡，然後查看底部附近，檢查您擁有的 NVIDIA 卡。我的 ThinkPad 有一個帶有 6 GB RAM 的 Quadro RTX 3000，這塊卡還不錯
2. 如果您的 NVIDIA 卡看起來沒問題，請開啟命令提示字元並鍵入命令「nvidia-smi」。輸出應類似於以下內容，顯示您的 CUDA 版本、卡片名稱及其目前記憶體和運算使用情況。
3. 如果未找到 nvidia-smi，請按照此處的說明安裝 CUDA 驅動程式： Microsoft Windows 的 CUDA 安裝指南 (nvidia.com)我知道這些看起來很長，但主要只是檢查，這應該只需要大約10分鐘。重複步驟 2，驗證 CUDA 是否已正確安裝。
4. 從 myjmp.com 的早期採用者頁面安裝 Torch 外掛程式。第一次啟動平台時，將會下載 7 個大檔案。請耐心等待，讓這些文件下載到 100% 並完全解壓縮。如果因為某些原因安裝中斷或僅部分完成，請刪除整個 com.jmp.torchdeeplearning 外掛程式資料夾（點擊視圖 > 外掛程式、Torch Deep Learning、主資料夾），然後重試。
5. 點選加載項 > Torch Deep Learning > 範例資料 > MNIST 嘗試完整的 MNIST 範例。按一下左上角附近嵌入的 Torch 腳本綠色箭頭，然後按一下「Go」。當它運行時，在命令 shell 中嘗試 nvidia-smi 幾次以檢查 GPU 使用情況。我的在運行 MNIST 時顯示大約 1 GB 記憶體和 40% 的計算量。在我的 ThinkPad 上，總運行時間為 50 秒——不太差。
6. 對於較大的圖像和文字模型，減少批量大小以使用更少的 GPU 記憶體。批量大小可能需要 8 甚至 4 或 2。當減少批量大小時，您通常還可以使用更少的 Epoch，因為模型會更頻繁地執行步驟並且收斂得更快。
7. NVIDIA C++ API 目前沒有提供清除 GPU 記憶體的好方法，並且在運行多個模型後往往會累積。如果您收到記憶體不足錯誤訊息和/或 nvidia-smi 輸出顯示記憶體幾乎已滿，唯一的辦法是完全關閉並重新啟動 JMP Pro。在執行此操作之前從紅色三角形儲存模型，您可以從上次停下的地方繼續。另外，Ctrl-J 可以輕鬆拍攝當前輸出的快照並將它們保存為 JMP 日誌 - 這就是我對故事書中的日誌所做的操作
回覆：Torch 深度學習內部討論與回饋@russ_wolfinger ，是的，繼續使用該資料集，它是我從 Kaggle 獲得的更大資料集的子集。我運行了一個包含約 3000 張圖像的中型資料集，它在使用 LeNet5 圖像模型的預設下運作良好。這三種模型類型給我帶來了問題。
我有一個帶有 6GB 專用記憶體的 NVIDIA RTX A3000 GPU。我有一個 64GB 的 CPU。
回覆：Torch 深度學習內部討論與回饋@Peter_Hersh感謝您的報告。具有 8 個不同影像模型的嵌入式腳本在我的具有 GPU 的機器上全程乾淨利落地運行，大約需要 10 分鐘，最終 GPU 記憶體使用量為 4 GB。您收到的錯誤訊息似乎是合法的——您的機器記憶體不足。請問您運行在什麼硬體上？
AlexNet 和 DenseNet121 需要更大的影像大小值，例如 112 或 224。
這是胸部 X 光檢查得出的很好的數據。把它加到故事書裡可以嗎？數據來源是什麼？
回覆：Torch 深度學習內部討論與回饋我用這個資料集嘗試過的幾個圖像模型給了我一個錯誤訊息。 AlexNet、EfficientNetB0、DenseNet121 都給出了以下錯誤訊息。
回覆：Torch 深度學習內部討論與回饋嗨@russ_wolfinger
一位領導者剛剛問我是否可以實現他自己的模型架構。這可能嗎？我該怎麼辦？
感謝您的回答
回覆：Torch 深度學習內部討論與回饋嗨@Steph_Georges ，
認為插件幫助文件中提到了它。就我個人而言，我還沒有嘗試創建自己的模型，但我確實有潛在客戶提出完全相同的問題。
希望這可以幫助:)
回覆：Torch 深度學習內部討論與回饋非常感謝@lkimhui 的精彩引用和解釋。
@Steph_Georges您好，正如@lkimhui所提到的，我們已將插件設定為自動讀取指定資料夾中的所有 JIT 追蹤 .pt 檔案以進行圖像或文字建模。使用者可以在 PyTorch 中建立和預先訓練這些模型，使用 JIT 腳本或追蹤來儲存它們，然後將它們複製到這些資料夾中，它們將在下次加載項啟動時顯示在選單中。我們也非常樂意接受將模型正式新增至加載項的建議。
我還要提一下，對於表格和圖像數據，介面本身相當靈活，可以使用層大小、激活、Dropout 和 Norm 等高級選項來設計自訂架構。這些設計用於與 MLP（表格）、CustomConv1d（時間序列/函數）和 CustomConv2d（圖像）配合使用。
回覆：Torch 深度學習內部討論與回饋大家好，剛剛製作了一個新的介紹影片： jmp.com/support/downloads/TorchDeepLearning18/videos/Torch_Intro2.mp4
試圖讓 Camtasia 變得更好，但哇，對真正出色的影片有了全新的欣賞。衷心感謝您提供任何有關內容、風格或相關內容的回饋；越關鍵越好！
回覆：Torch 深度學習內部討論與回饋感謝 Russ 的這篇文章，結合你的故事書，這對 SE 來說將會是一個很大的幫助。
關於您的回饋請求，這取決於您的目標受眾。對於SE，當我們深入研究這些方法時，我們可能需要更多的技術細節。
對於用戶來說，我的指導是從故事開始（在你的故事書中）——典型的用戶今天會做什麼來解決問題，保持現狀的問題，火炬插件提供改進的機會，然後僅顯示最終結果（頓悟時刻，避免如何獲得最終結果），然後描述由此帶來的用戶利益和商業利益。激發觀眾進一步探索的動力。
回覆：Torch 深度學習內部討論與回饋嗨，火炬手們，正在製作一個新的 2 分鐘介紹影片。尋求第一次剪輯的回饋——附後。謝謝！
回覆：Torch 深度學習內部討論與回饋這是一款出色且功能豐富的 Russ 預告片，它可能會吸引那些已經在一定程度上應用這些方法但希望節省時間並可能做出更明智決定的潛在用戶。另一方面，如果您的目標用戶是那些有問題或需要的人（例如，用「自動」圖像分類代替手動圖像分類，以避免乏味、錯誤並節省時間）但不熟悉任何方法，那麼相反，您可能希望從痛苦/問題開始（例如，手動分類圖像非常耗時、容易出錯且繁瑣），並描繪出顯示分析結果的解決方案願景，而不那麼強調操作方法部分---更加強調用戶的勝利。
最好的，
馬爾科姆
回覆：Torch 深度學習內部討論與回饋相關說明中附有 XGBoost 和維恩圖的介紹影片。將這些內容推向市場－歡迎回饋！
回覆：Torch 深度學習內部討論與回饋最新的文檔非常有幫助，特別是在解釋如何對新數據進行評分時。我認為有兩個功能會讓事情變得更容易。首先，刪除舊模型的簡單方法。也許我錯過了完成此操作的位置，但我一直在磁碟上儲存模型的資料夾中並透過作業系統刪除它們。其次，一種恢復驗證列所用內容的簡單方法。我假設在對新資料進行評分時，需要驗證列、建模類型和等級的確切數量。我發現這種級別的細節很難跟踪，尤其是在構建大量模型時。
回覆：Torch 深度學習內部討論與回饋拉斯，當我嘗試儲存模型時遇到錯誤。我嘗試將其本地保存在預設的 AppData 資料夾中，位於一個驅動器上，即我的桌面上，但我不斷收到該資料夾不存在的警報。有什麼想法嗎？
回覆：Torch 深度學習內部討論與回饋@Peter_Polito感謝您的報告。程式碼目前設定的方式，在運行模型之前需要指定進階選項下的資料夾欄位。然後，當模型完成訓練時，將在此主資料夾下建立子資料夾，預設名稱為「模型 1」。然後，「儲存模型」紅色三角形選項就會重新命名該子資料夾。
如果其他方法都失敗了，您也可以在 Windows 資源管理器或 Mac Finder 中手動重新命名或移動子資料夾。這得到了@DonMcCormack的建議，提供一種更簡單的方法來管理這些資料夾 - 雖然目前還沒有任何進展，但這是一個好主意。
回覆：Torch 深度學習內部討論與回饋我已經有一段時間沒上伺服器了。我想重新安裝 Torch 插件，但收到以下訊息：「無法完成安裝。目標目錄或目標目錄中的檔案已被鎖定。」有什麼建議嗎？
回覆：Torch 深度學習內部討論與回饋當我嘗試使用模型對新資料集進行評分時，我遇到了幾個不同的錯誤。
我試圖重新做我過去做過的事情，但由於某種原因，它不再起作用。
回覆：Torch 深度學習內部討論與回饋我應該提一下，這是在 JMP Pro 19.0.0 中完成的。 （在 JMP Pro 18 中一切正常）
回覆：Torch 深度學習內部討論與回饋關於如何正確保存 CAM，有什麼更新嗎？我有個客戶問過這個問題，他遇到了「黑屏」問題。
回覆：Torch深度學習內部討論與回饋我收到一位客戶提出的問題，內容大致如下：
「我認為許多 Torch 深度學習的用戶已經精通 Python。在這種情況下，在 JMP 上進行深度學習的價值是什麼？是否有任何實際應用案例？”
對此，我的思路整理如下。
首先，在概念驗證和探索階段，JMP 在速度和實驗便利性方面具有明顯的優勢。無需編寫程式碼即可快速測試基於圖像和文字的深度學習模型，從而能夠快速評估其可行性。
其次，JMP Pro 的目的並非取代 Python。實際上，當高階建模完全依賴精通 Python 的使用者時，這些使用者可能會成為瓶頸。讓非 Python 使用者在 JMP Pro 中進行概念驗證和驗證工作，有助於分散責任，並在整個組織內更有效率地推進分析工作。
基於此，我希望您能提供一些關於其他益處的見解，以及實際應用案例——特別是典型的用例和從概念驗證到生產階段的案例。
謝謝。
回覆：Torch深度學習內部討論與回饋@小泉佑介思路清晰，回覆精彩。
第三，JMP Pro 提供了一個動態互動環境，在訓練和推理過程中都能輸出豐富的數值和圖形資訊。例如，您可以拖曳矩形框選取錯誤分類的驗證點，並在 JMP 表格中進行視覺化誤差分析；或者，您可以為二元回應模型新增利潤矩陣，並以互動方式最佳化決策閾值。
