-
单机模型并行最佳实践
单机模型并行最佳实践 基本用法 将模型并行应用于现有模块 通过流水线输入加快速度 单机模型并行最佳实践 原文：https://pytorch.org/tutorials/intermediate/model_parallel_tutorial.html 作者 ：Shen Li 模型并行在分布式训练技术中被广泛使用。 先前的帖子已经解... -
使用torchtext的文本分类
使用torchtext 的文本分类 使用 N 元组加载数据 定义模型 启动实例 用于生成批量的函数 定义函数来训练模型并评估结果 分割数据集并运行模型 使用测试数据集评估模型 测试随机新闻 使用torchtext 的文本分类 原文：https://pytorch.org/tutorials/beginner/text_sentimen... -
1.2.2 计算思维的具体例子
1.2.2 计算思维的具体例子 1.2.2 计算思维的具体例子 基于计算机的能力和局限，计算机科学家提出了很多关于计算的思想和方法，从而建立 了利用计算机解决问题的一整套思维工具。下面我们简要介绍计算机科学家在计算的不同阶 段所采用的常见思想和方法。 问题表示 用计算机解决问题，首先要建立问题的计算机表示。问题表示与问题求解是紧密相关的， 如果问... -
使用自定义 C++ 类扩展 TorchScript
使用自定义 C++ 类扩展 TorchScript 用 C++ 实现和绑定类 使用 CMake 将示例构建为 C++ 项目 从 Python 和 TorchScript 使用 C++ 类 使用自定义类保存，加载和运行 TorchScript 代码 将自定义类移入或移出IValue 为自定义 C++ 类定义序列化/反序列化方法 定义接受或返回绑定... -
智能合约设计原理
智能合约设计原理 undefined undefined10.1 virtual machine & script undefined循环代码翻译成Stack based machine的语言 undefined10.2 比特币 Bitcoin undefined10.3 以太坊 Ethereum undefined区块特点 undefinedET... -
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 ... -
为什么使用消息队列？
为什么使用消息队列？ 面试题 面试官心理分析 面试题剖析 为什么使用消息队列 解耦 异步 削峰 消息队列有什么优缺点 Kafka、ActiveMQ、RabbitMQ、RocketMQ 有什么优缺点？ 为什么使用消息队列？ 面试题 为什么使用消息队列？ 消息队列有什么优点和缺点？ Kafka、ActiveMQ、RabbitMQ、Ro... -
第13章 创建窗口和程序片
第13章 创建窗口和程序片 第13章 创建窗口和程序片 在Java 1.0中，图形用户接口（GUI）库最初的设计目标是让程序员构建一个通用的GUI，使其在所有平台上都能正常显示。 但遗憾的是，这个目标并未达到。事实上，Java 1.0版的“抽象Windows工具包”（AWT）产生的是在各系统看来都同样欠佳的图形用户接口。除此之外，它还限制我们只能使用... -
使用 RPC 的分布式管道并行化
使用 RPC 的分布式管道并行化 基础知识 第 1 步：对 ResNet50 模型进行分片 第 2 步：将 ResNet50 模型片段拼接到一个模块中 步骤 3：定义训练循环 第 4 步：启动 RPC 进程 使用 RPC 的分布式管道并行化 原文：https://pytorch.org/tutorials/intermediate/dist...
