-
LSTM 单词语言模型上的动态量化（beta）
LSTM 单词语言模型上的动态量化（beta） 简介 1.定义模型 2.加载文本数据 3.加载预先训练的模型 4.测试动态量化 总结 LSTM 单词语言模型上的动态量化（beta） 原文：https://pytorch.org/tutorials/advanced/dynamic_quantization_tutorial.html ... -
节点之间沟通
节点之间沟通 undefined7. 节点之间沟通 undefined7.1 Sockets undefined7.1.1 Sockets 说明 undefined7.1.2 Sockets 实现 undefined7.1.2.1 连接者程序(不添加参数) undefined7.1.2.2 连接者程序(带参数) undefined7.1.2.3 监听... -
使用torchaudio的语音命令识别
使用torchaudio 的语音命令识别 导入数据集 格式化数据 定义网络 训练和测试网络 总结 使用torchaudio 的语音命令识别 原文：https://pytorch.org/tutorials/intermediate/speech_command_recognition_with_torchaudio.html 本教程... -
请求参数介绍
请求参数介绍 1 概述 请求体参数规则在【接口调试】、【接口定义】、【接口用例】以及【场景步骤】中均适用。 2 请求头 在【参数名称】处输入或者下拉选择请求头参数，在参数值处输入参数值或 内置函数 。 访问链接 批量添加 点击【批量添加】，按如下格式要求输入批量导入文本，点击【应用】完成批量导入。书写格式 ： ... -
PyTorch 中使用 Eager 模式的静态量化（beta）
PyTorch 中使用 Eager 模式的静态量化（beta） 1.模型架构 2.辅助函数 3.定义数据集和数据加载器 ImageNet 数据 4.训练后的静态量化 5.量化感知的训练 来自量化的加速 总结 PyTorch 中使用 Eager 模式的静态量化（beta） 原文：https://pytorch.org/tutorials... -
1.1.2 计算机语言
1.1.2 计算机语言 1.1.2 计算机语言 如前所述，计算机解决问题的过程实质上是机械地执行人们为它编制的指令序列的过程。为了告诉计算机应当执行什么指令，需要使用某种计算机语言。这种计算机语言能够精 确地描述计算过程，称为程序设计语言或编程语言（programming language）。 与计算机打交道的理想语言当然是像科幻电影所展示的那样，人... -
练习 20：文件系统：修改和创建文件系统，tune2fs，mkfs
练习 20：文件系统：修改和创建文件系统，tune2fs ，mkfs 这样做 你会看到什么 解释 附加题 练习 20：文件系统：修改和创建文件系统，tune2fs ，mkfs 原文：Exercise 20. Filesystems: modifying and creating filesystems, tune2fs, mkfs 译... -
创建主题
创建主题 Atom的界面使用HTML渲染，并且通过Less来定义样式，它是CSS的超集。不要担心之前从未听说过Less，它类似于CSS，但是带有一些便捷的扩展。 Atom支持两种主题：UI和语法。UI主题为树视图、选择夹、下拉列表和状态栏之类的元素定义样式。语法主题为编辑器中的代码定义样式。 主题可以从设置视图安装和修改，你可以选... -
对抗示例生成
对抗示例生成 威胁模型 快速梯度符号攻击 实现 输入 受到攻击的模型 FGSM 攻击 测试函数 运行攻击 结果 准确率与ε 对抗示例样本 接下来要去哪里？ 对抗示例生成 原文：https://pytorch.org/tutorials/beginner/fgsm_tutorial.html 作者： Nathan I... -
Redis面试常见问题汇总
Redis面试常见问题汇总 一、基础概念与核心特性 Redis是什么？有哪些特点？ 内存型键值数据库，支持持久化、单线程架构（6.0后支持多线程IO）、丰富的数据类型。 特点：高性能、支持数据持久化、分布式、应用场景广泛（缓存、消息队列、分布式锁等）。 Redis相比Memcached的优势是什么？ 支持更丰富的数据类型（如列表、哈希、集...
