-
目录
SICP Python 描述 中文版 第一章 使用函数构建抽象 1.1 引言 1.2 编程元素 1.3 定义新的函数 1.4 实践指南：函数的艺术 1.5 控制 1.6 高阶函数 第二章 使用对象构建抽象 2.1 引言 2.2 数据抽象 2.3 序列 2.4 可变数据 2.5 面向对象编程 2.6 实现类和对象 2.7 ... -
6.0 本章导读
6.0 本章导读 本章导读 6.0 本章导读 本章导读 所谓海量数据处理，是指基于海量数据的存储、处理、和操作。正因为数据量太大，所以导致要么无法在较短时间内迅速解决，要么无法一次性装入内存。 事实上，针对时间问题，可以采用巧妙的算法搭配合适的数据结构（如布隆过滤器、哈希、位图、堆、数据库、倒排索引、Trie树）来解决；而对于空间问题，可以采取分... -
CUDA语义
CUDA语义 最佳实践 使用固定的内存缓冲区 使用 nn.DataParallel 替代 multiprocessing CUDA语义 torch.cuda 会记录当前选择的GPU，并且分配的所有CUDA张量将在上面创建。可以使用torch.cuda.device 上下文管理器更改所选设备。 但是，一旦张量被分配，您可以直接对其进行操作，而不考... -
并行和分布式训练
并行和分布式训练 并行和分布式训练 PyTorch 分布式概述 单机模型并行最佳实践 分布式数据并行入门 用 PyTorch 编写分布式应用 分布式 RPC 框架入门 使用分布式 RPC 框架实现参数服务器 使用 RPC 的分布式管道并行化 使用异步执行实现批量 RPC 处理 将分布式DataParallel与分布式 RPC 框架相结... -
3.6.2 经验总结
3.6.2 经验总结 3.6.2 经验总结 求最大值问题并非很难的问题，但解决该问题的过程反映了一些有关算法和程序设计的 重要的思想。 对于一个比较复杂的计算问题，往往有多种解决方法。作为算法设计者，通常不要凭着 第一感去编写代码，而是应当三思而后行。即使已经设计出了一个算法，也应当多问自己是 否还有更好的解法。 程序设计的首要任务是找到正确的算法... -
分屏与标签页
分屏与标签页 窗口分屏 工作中经常会遇到这种情况，就是需要参照其他文档编辑当前文档（场景：翻译），或者从另外一个文档copy 代码到当前文档（场景：复制 html 元素类名到 css 文档），这时候就是你最需要分屏的时候。 分屏方式 :split 缩写 :sp or Ctrl-w s 上下分屏 :vsplit 缩写 :v... -
Probability distributions - torch.distributions
Probability distributions - torch.distributions Distribution (概率分布) Bernoulli (伯努利分布) Categorical (类别分布) Normal (正态分布) Probability distributions - torch.distributions 译者：@叶... -
使用github项目的最佳实践
使用github项目的最佳实践 undefined1、clone项目 undefined2、更改文件夹权限 undefined3、进入xuperchain目录 undefined4、增加源分支地址到你项目远程分支列表中(此处是关键)，先得将原来的仓库指定为upstream undefined5、fetch源分支的新版本到本地 undefined6、... -
致谢
致谢 文档翻译 致谢 本项目贡献者如下： 文档翻译 贡献者 页面 章节 ycszen 主页 ycszen 说明 自动求导机制 ycszen 说明 CUDA语义 KeithYin 说明 扩展PyTorch ycszen 说明 多进程最佳实践 ycszen 说明 序列化语义 ...
