-
Java 8 并发教程：同步和锁
Java 8 并发教程：同步和锁 同步 锁 ReentrantLock ReadWriteLock StampedLock 信号量 Java 8 并发教程：同步和锁 原文：Java 8 Concurrency Tutorial: Synchronization and Locks 译者：飞龙 协议：CC BY-NC-SA... -
torch.onnx
torch.onnx 示例：从 PyTorch 到 Caffe2 的端到端的 AlexNet 限制与不足 支持的运算函数 torch.onnx 功能 参数： 译者署名 torch.onnx torch.onnx 模块包含将模型导出为ONNX IR 格式的功能。这些模型可以加载ONNX 库，然后转换为在其他深度学习框架上运行的模型。 示... -
Distributed communication package - torch.distributed
Distributed communication package - torch.distributed Basics Initialization TCP initialization Shared file-system initialization Environment variable initialization Groups Po... -
练习 3：Bash：Shell、.profile、.bashrc、.bash_history。
练习 3：Bash：Shell、.profile 、.bashrc 、.bash_history 。 这样做 你会看到什么 解释 附加题 练习 3：Bash：Shell、.profile 、.bashrc 、.bash_history 。 原文：Exercise 3. Bash: The shell, .profile, .bashrc, .... -
14.6 总结
14.6 总结 14.6 总结 何时使用多线程技术，以及何时避免用它，这是我们需要掌握的重要课题。骼它的主要目的是对大量任务进行有序的管理。通过多个任务的混合使用，可以更有效地利用计算机资源，或者对用户来说显得更方便。资源均衡的经典问题是在IO等候期间如何利用CPU。至于用户方面的方便性，最经典的问题就是如何在一个长时间的下载过程中监视并灵敏地反应一个... -
torch.autograd的简要介绍
torch.autograd 的简要介绍 背景 在 PyTorch 中的用法 Autograd 的微分 可选阅读-使用autograd 的向量微积分 计算图 从 DAG 中排除 进一步阅读： torch.autograd 的简要介绍 原文：https://pytorch.org/tutorials/beginner/blitz/auto... -
10（完结）：Demo之四处找死（五）_UI
10（完结）：Demo之四处找死（五）_UI ,1.创建UI ,2.让UI跟随物体移动 ,3.调整UI大小和样式 ,4.在代码中操作UI ,5.结束 10（完结）：Demo之四处找死（五）_UI UI是游戏 里必不可少的元素，在Unity里添加UI是比较轻松的事情，但要玩好它，可就不那么轻松了。 没关系，先入门。 笨木头花心贡献，啥？花心... -
5.2 Java访问指示符
5.2 Java访问指示符 5.2.1 “友好的” 5.2.2 public ：接口访问 5.2.3 private ：不能接触！ 5.2.4 protected ：“友好的一种” 5.2 Java访问指示符 针对类内每个成员的每个定义，Java访问指示符public ，protected 以及private 都置于它们的最前面——无论它们是一... -
分布式通讯包 - torch.distributed
分布式通讯包 - torch.distributed 基本 初始化 torch.distributed.init_process_group(backend, init_method=’env://‘, kwargs) torch.distributed.get_rank() torch.distributed.get_world_size() TC... -
10.6 不可计算的问题
10.6 不可计算的问题 10.6 不可计算的问题 到目前为止，我们讨论的所有问题都是可解的。有些问题的解法非常有效，有些问题的 解法则比较复杂。Hanoi 塔之类的问题称为难解问题，因为当问题规模较大时，相应算法需 要太多太多的时间（或空间）来完成计算，事实上是无效、不可行的解法。 现实中还存在比难解问题更麻烦的问题，那就是不可解问题。考虑这个场...
