-
自定义 C++ 和 CUDA 扩展
自定义 C++ 和 CUDA 扩展 动机和示例 编写 C++ 扩展 使用setuptools 构建 编写 C++ 操作 正向传播 反向传播 绑定到 Python 使用扩展程序 性能比较 GPU 设备上的性能 JIT 编译扩展 编写混合的 C++/CUDA 扩展 使用访问器 将 C++/CUDA 操作与 PyTorch 集成 性能比较 ... -
3.6 抽象语言的解释器
3.6 抽象语言的解释器 3.6.1 Scheme 语言 3.6.2 Logo 语言 3.6.3 结构 3.6.4 环境 3.6.5 数据即程序 3.6 抽象语言的解释器 来源：3.6 Interpreters for Languages with Abstraction 译者：飞龙 协议：CC BY-NC-SA 4.0 ... -
WordPress目录文件结构详细说明
根目录 |-wp-admin | |-css | |-images | |-includes | |-js | |-maint | |-network | |-user |-wp-content | |-languages | |-plugins | |-themes | |-upgrade |-wp-includes | |... -
二十、Node.js
二十、Node.js 背景 Node 命令 模块 使用 NPM 安装 包文件 版本 文件系统模块 HTTP 模块 流 文件服务器 本章小结 习题 搜索工具 目录创建 网络上的公共空间 二十、Node.js 原文：Node.js 译者：飞龙 协议：CC BY-NC-SA 4.0 自豪地采用谷歌翻译 部分参考... -
从零开始的 NLP：使用序列到序列网络和注意力的翻译
从零开始的 NLP：使用序列到序列网络和注意力的翻译 加载数据文件 Seq2Seq 模型 编码器 解码器 简单解码器 注意力解码器 训练 准备训练数据 训练模型 绘制结果 评估 训练和评估 可视化注意力 练习 从零开始的 NLP：使用序列到序列网络和注意力的翻译 原文：https://pytorch.org/tutoria... -
Apache HBase Operational Management
Apache HBase Operational Management 150. HBase Tools and Utilities 150.1. Canary 150.1.1. Canary test for every column family (store) of every region of every table 150.1.2. Canar... -
（18）面向对象编程之ECMAScript实现
（18）面向对象编程之ECMAScript实现 介绍 _15数据类型 _24原始值类型 Object_51Object类型 _77动态性 _154内置对象、原生对象及宿主对象 BooleanStringNumber_162Boolean，String和Number对象 Literal_191字面量Literal _277关联数组 _380对象... -
（17）面向对象编程之一般理论
（17）面向对象编程之一般理论 介绍 _6概论、范式与思想 _16基于类特性和基于原型 _24基于静态类 _28类与对象 _47层次继承 _65基于类的关键概念 基于原型 _106基于委托 Concatenative_192Concatenative模型 Duck_196Duck类型 _221基于原型的关键概念 _237基于动态类 ... -
第三章 智能交互的运行模式
第三章 智能交互的运行模式 第三章 智能交互的运行模式 回顾ChatGPT的发展历程，可以看出，OpenAI其实从GPT-1开始，基本就坚定地把大型语言模型（Large Language Model，LLM）看作通往通用人工智能（Artificial General Intelligence，AGI）的一条必由之路。具体而言，在OpenAI眼中，未来的... -
第四章 深度学习的核心技术
第四章 深度学习的核心技术 第四章 深度学习的核心技术 很多人发现ChatGPT在自然语言处理的系列任务中，比如在文本理解和生成、对话问答、机器翻译、程序代码生成方面都有很大的进步。这是怎么做到的呢？从技术层面讲，这其实是近几年深度神经网络、大型语言模型的研究不断深入带来的成果，通俗点讲就是海量的数据加上巨大的算力催生了这样一个大型语言模型，使其落地应...
