-
13.21 练习
13.21 练习 13.21 练习 (1)创建一个有文字字段和三个按钮的程序片。当我们按下每个按钮时，使不同的文字显示在文字段中。 (2)增加一个复选框到练习1创建的程序中，捕捉事件，并插入不同的文字到文字字段中。 (3)创建一个程序片并增加所有导致action() 被调用的组件，然后捕捉他们的事件并在文字字段中为每个组件显示一个特定的消息。 (... -
5.3 格子取数
5.3 格子取数 题目描述 分析与解法 举一反三 5.3 格子取数 题目描述 有n*n个格子，每个格子里有正数或者0，从最左上角往最右下角走，只能向下和向右，一共走两次（即从左上角走到右下角走两趟），把所有经过的格子的数加起来，求最大值SUM，且两次如果经过同一个格子，则最后总和SUM中该格子的计数只加一次。 分析与解法 初看到此题，... -
广播语义
广播语义 一般语义 直接语义 (In-place semantics) 向后兼容 广播语义 译者：@谢家柯 @Twinkle 一些 PyTorch 的操作支持基于 NumPy Broadcasting Semantics . 简而言之, 如果一个 PyTorch 操作支持广播语义, 那么它的张量参数可以自动扩展为相同的大小 (不... -
（27）设计模式之建造者模式
（27）设计模式之建造者模式 介绍 _6正文 _39总结 （27）设计模式之建造者模式 介绍 在软件系统中，有时候面临着“一个复杂对象”的创建工作，其通常由各个部分的子对象用一定的算法构成；由于需求的变化，这个复杂对象的各个部分经常面临着剧烈的变化，但是将它们组合在一起的算法确相对稳定。如何应对这种变化？如何提供一种“封装机制”来隔离出“复杂对... -
自动求导: 自动微分
自动求导: 自动微分 Variable(变量） 梯度 自动求导: 自动微分 译者：@小王子 校对者：@李子文 PyTorch 中所有神经网络的核心是 autograd 自动求导包. 我们先来简单介绍一下, 然后我们会去训练我们的第一个神经网络. autograd 自动求导包针对张量上的所有操作都提供了自动微分操作. 这是一个逐个... -
5.3 格子取数
5.3 格子取数 题目描述 分析与解法 举一反三 5.3 格子取数 题目描述 有n*n个格子，每个格子里有正数或者0，从最左上角往最右下角走，只能向下和向右，一共走两次（即从左上角走到右下角走两趟），把所有经过的格子的数加起来，求最大值SUM，且两次如果经过同一个格子，则最后总和SUM中该格子的计数只加一次。 分析与解法 初看到此题，... -
2.1.3 访问DRAM
当一个程序使用虚拟地址访问内存。处理器将虚拟地址转换成物理地址，内存控制器根据此地址访问RAM芯片。为了访问RAM芯片中的独立的内存单元，部分物理地址以地址线的形式被访问。 但是从内存控制器中直接通过地址线访问内存位置是不切实际的：4GB的RAM需要2^32个地址线。因此通过将地址编码成二进制数，来降低地址线的数量。过这种方法传到DRAM芯片时，地址需要... -
基于 CDN 开发
基于 CDN 开发 基于 CDN 开发，我们推荐使用 start-demo-with-cdn ，这个脚手架使用了 Webpack 的 Externals 能力，将 Eva.js 包用 CDN 的方式引入。 介绍 如果希望通过 CDN 的形式引入 Eva.js，可以使用 unpkg/jsdelivr 进行引入。 以下是 @eva/eva... -
添加区块
添加区块 addBlock('类型', '标题', '列表') recent online switch html 添加区块 addBlock('类型', '标题', '列表') 侧栏构建器内置了四种不同类型的区块，分别是recent、online、switch、html。 recent 一般用于展示最近事项，列表数据是一个数组，每个元...
