-
并行和分布式训练
并行和分布式训练 并行和分布式训练 PyTorch 分布式概述 单机模型并行最佳实践 分布式数据并行入门 用 PyTorch 编写分布式应用 分布式 RPC 框架入门 使用分布式 RPC 框架实现参数服务器 使用 RPC 的分布式管道并行化 使用异步执行实现批量 RPC 处理 将分布式DataParallel与分布式 RPC 框架相结... -
工作区和暂存区
工作区（Working Directory） 版本库（Repository） 小结 Git和其他版本控制系统如SVN的一个不同之处就是有暂存区的概念。 先来看名词解释。 工作区（Working Directory） 就是你在电脑里能看到的目录，比如我的learngit 文件夹就是一个工作区： 版本库（Repository） 工作区有一个... -
目录
SICP Python 描述 中文版 第一章 使用函数构建抽象 1.1 引言 1.2 编程元素 1.3 定义新的函数 1.4 实践指南：函数的艺术 1.5 控制 1.6 高阶函数 第二章 使用对象构建抽象 2.1 引言 2.2 数据抽象 2.3 序列 2.4 可变数据 2.5 面向对象编程 2.6 实现类和对象 2.7 ... -
6.0 本章导读
6.0 本章导读 本章导读 6.0 本章导读 本章导读 所谓海量数据处理，是指基于海量数据的存储、处理、和操作。正因为数据量太大，所以导致要么无法在较短时间内迅速解决，要么无法一次性装入内存。 事实上，针对时间问题，可以采用巧妙的算法搭配合适的数据结构（如布隆过滤器、哈希、位图、堆、数据库、倒排索引、Trie树）来解决；而对于空间问题，可以采取分... -
6.0 本章导读
6.0 本章导读 本章导读 6.0 本章导读 本章导读 所谓海量数据处理，是指基于海量数据的存储、处理、和操作。正因为数据量太大，所以导致要么无法在较短时间内迅速解决，要么无法一次性装入内存。 事实上，针对时间问题，可以采用巧妙的算法搭配合适的数据结构（如布隆过滤器、哈希、位图、堆、数据库、倒排索引、Trie树）来解决；而对于空间问题，可以采取分... -
CUDA语义
CUDA语义 最佳实践 使用固定的内存缓冲区 使用 nn.DataParallel 替代 multiprocessing CUDA语义 torch.cuda 会记录当前选择的GPU，并且分配的所有CUDA张量将在上面创建。可以使用torch.cuda.device 上下文管理器更改所选设备。 但是，一旦张量被分配，您可以直接对其进行操作，而不考... -
使用github项目的最佳实践
使用github项目的最佳实践 undefined1、clone项目 undefined2、更改文件夹权限 undefined3、进入xuperchain目录 undefined4、增加源分支地址到你项目远程分支列表中(此处是关键)，先得将原来的仓库指定为upstream undefined5、fetch源分支的新版本到本地 undefined6、... -
Suno歌词无法正常工作
Suno歌词无法正常工作 了解问题：Suno 歌词无法正常工作 常见的 Suno 歌词听不清的原因 逐步排查解决“Suno 歌词无法正常工作”的问题 1. 简化您的提示 2. 描述声音类型 3. 控制音乐前奏长度 4. 尽早引入歌词 生成清晰 Suno 歌词的最佳实践 关于Suno歌词无法正常工作的常见问题... -
分屏与标签页
分屏与标签页 窗口分屏 工作中经常会遇到这种情况，就是需要参照其他文档编辑当前文档（场景：翻译），或者从另外一个文档copy 代码到当前文档（场景：复制 html 元素类名到 css 文档），这时候就是你最需要分屏的时候。 分屏方式 :split 缩写 :sp or Ctrl-w s 上下分屏 :vsplit 缩写 :v... -
3.6 编程案例：如何求 n 个数据的最大值？
3.6 编程案例：如何求 n 个数据的最大值？ 3.6 编程案例：如何求 n 个数据的最大值？ 面对复杂问题时，我们需要合理利用基本控制结构，设计出好的算法。对此，并不存在什么机械的套路可循，只能通过大量实践来提供我们的程序设计水平。本节通过一个案例问 题的解决，来展示程序设计过程的挑战性以及“好”程序的特征。 我们要解决的问题是：从 n 个数值中求...
