-
前言
GitBook链接 关于作者 贡献 支持 转载合作 协议/License 作为一位程序员，面试过多次，也面试过很多人，最近又在找工作，总结一下面试经验和面试题，希望可以帮到正在找工作的小伙伴们。 先说一下面试时的心态，刚入门的程序员，技术实力不高，又大多不善言谈，面试一旦遇到难题，很容易心态失衡、惊慌失措、语无伦次，最终丢掉了 Offer。 ... -
HTTP 状态码详解：分类拆解 + 场景排错，开发者必备
HTTP 状态码详解：分类拆解 + 场景排错，开发者必备（附速查表） 一、先搞懂：HTTP 状态码的分类逻辑（避免混淆） 二、按类别拆解：高频状态码 + 场景避坑 （一）1xx 信息响应：少见但关键，主要用于 “中间确认” （二）2xx 成功响应：核心是 “请求正常处理”，重点区分细节差异 （三）3xx 重定向：最容易用错，重点区分 “临时 / 永久”... -
单机模型并行最佳实践
单机模型并行最佳实践 基本用法 将模型并行应用于现有模块 通过流水线输入加快速度 单机模型并行最佳实践 原文：https://pytorch.org/tutorials/intermediate/model_parallel_tutorial.html 作者 ：Shen Li 模型并行在分布式训练技术中被广泛使用。 先前的帖子已经解... -
使用torchtext的文本分类
使用torchtext 的文本分类 使用 N 元组加载数据 定义模型 启动实例 用于生成批量的函数 定义函数来训练模型并评估结果 分割数据集并运行模型 使用测试数据集评估模型 测试随机新闻 使用torchtext 的文本分类 原文：https://pytorch.org/tutorials/beginner/text_sentimen... -
PyTorch 中的命名张量简介（原型）
PyTorch 中的命名张量简介（原型） 基础知识：命名维度 访问器和归约 名称推断 广播 矩阵乘法 新行为：按名称显式广播 新行为：按名称展平或取消展平维度 Autograd 支持 其他受支持的（和不受支持的）功能 更长的例子：多头关注 运行示例 总结 PyTorch 中的命名张量简介（原型） 原文：https://pyto... -
Java 8 数据流教程
Java 8 数据流教程 数据流如何工作 数据流的不同类型 处理顺序 为什么顺序如此重要 复用数据流 高级操作 collect flatMap reduce 并行流 到此为止 Java 8 数据流教程 原文：Java 8 Stream Tutorial 译者：飞龙 协议：CC BY-NC-SA 4.0 ... -
关于Casdoor的最佳实践和经验教训
最佳实践 经验教训 以下是一些关于Casdoor的最佳实践和经验教训： 最佳实践 规划认证和授权策略 在使用Casdoor之前，仔细规划应用程序的认证和授权策略。明确不同用户角色及其对应的权限，这有助于在Casdoor中进行准确的配置，避免后期频繁修改权限设置。例如，对于一个企业应用，确定好管理员、普通员工、外部合作伙伴等角色，以及他们分别对不... -
TorchScript 简介
TorchScript 简介 PyTorch 模型创建基础 TorchScript 的基础 跟踪Modules 使用脚本转换模块 混合脚本和跟踪 保存和加载模型 进一步阅读 TorchScript 简介 原文：https://pytorch.org/tutorials/beginner/Intro_to_TorchScript_tut... -
为什么使用消息队列？
为什么使用消息队列？ 面试题 面试官心理分析 面试题剖析 为什么使用消息队列 解耦 异步 削峰 消息队列有什么优缺点 Kafka、ActiveMQ、RabbitMQ、RocketMQ 有什么优缺点？ 为什么使用消息队列？ 面试题 为什么使用消息队列？ 消息队列有什么优点和缺点？ Kafka、ActiveMQ、RabbitMQ、Ro... -
使用 RPC 的分布式管道并行化
使用 RPC 的分布式管道并行化 基础知识 第 1 步：对 ResNet50 模型进行分片 第 2 步：将 ResNet50 模型片段拼接到一个模块中 步骤 3：定义训练循环 第 4 步：启动 RPC 进程 使用 RPC 的分布式管道并行化 原文：https://pytorch.org/tutorials/intermediate/dist...
