-
1.2 编程元素
1.2 编程元素 1.2.1 表达式 1.2.2 调用表达式 1.2.3 导入库函数 1.2.4 名称和环境 1.2.5 嵌套表达式的求解 1.2.6 函数图解 1.2 编程元素 来源：1.2 The Elements of Programming 译者：飞龙 协议：CC BY-NC-SA 4.0 编程语言是操作计算机... -
Writing and Optimizing Go code
Writing and Optimizing Go code When and Where to Optimize How to Optimize Optimization Workflow Concrete optimization tips Data Changes Algorithmic Changes Benchmark Inputs P... -
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... -
探索“hello - algo”：算法学习的友好起点
《探索“hello - algo”：算法学习的友好起点》 项目简介 项目特色 对学习者的帮助 项目社区与发展 《探索“hello - algo”：算法学习的友好起点》 在算法学习的广阔天地中，“hello - algo”项目宛如一颗璀璨的启明星，为初学者照亮前行的道路。这个由krahets在GitHub上开源的项目，凭借其独特的魅力和丰富的价值... -
将模型从 PyTorch 导出到 ONNX 并使用 ONNX 运行时运行它（可选）
将模型从 PyTorch 导出到 ONNX 并使用 ONNX 运行时运行它（可选） 使用 ONNX 运行时在图像上运行模型 将模型从 PyTorch 导出到 ONNX 并使用 ONNX 运行时运行它（可选） 原文：https://pytorch.org/tutorials/advanced/super_resolution_with_onnxrun... -
BERT 上的动态量化（Beta）
BERT 上的动态量化（Beta） 简介 1.设置 1.1 安装 PyTorch 和 HuggingFace 转换器 1.2 导入必要的模块 1.3 了解辅助函数 1.4 下载数据集 2.微调 BERT 模型 2.1 设置全局配置 2.2 加载经过微调的 BERT 模型 2.3 定义分词和评估函数 3.应用动态量化 3.1 检查模型大小 ... -
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... -
调试
调试 Atom拱了一些工具来帮助你理解预料之外的行为和调试问题。这篇指南介绍了一些工具和方法用于帮助你调试，以及提供了一些提交工单（issue）时的帮助信息。 升级到最新版本 你可能遇到了在最新版本已经修复的问题。 如果你从源码中编译Atom，需要拉回（pull）master的最新版本并重新构建。 如果你使用发布版本，检查你所... -
11 ChatGPT+翻译
11 ChatGPT+翻译 11 ChatGPT+翻译 以对话的方式进行翻译 ChatGPT可以翻译小段文本，下面是一个例子。 Q：请将以下的英文文本翻译成中文： ChatGPT is underpinned by a large language model that requires massive amounts of data to fu... -
跟着例子学习 PyTorch
跟着例子学习 PyTorch Tensors Warm-up: numpy PyTorch: Tensors Autograd PyTorch: Variables and autograd PyTorch: Defining new autograd functions TensorFlow: Static Graphs nn module...
