-
第十一章 元宇宙使数字经济加速落地
第十一章 元宇宙使数字经济加速落地 第十一章 元宇宙使数字经济加速落地 数字经济的概念始于1995年美国科技作家唐·塔斯考特（Don Tapscott）的著作《数字经济》。从字面上看，数字经济就是基于数字技术的经济，而数字技术的发展往往与互联网技术的发展相辅相成，所以很多时候数字经济也常被称作互联网经济或网络经济。在2016年G20期间，中国将数字经济... -
第二章 快速迭代的发展历程
第二章 快速迭代的发展历程 第二章 快速迭代的发展历程 在ChatGPT一词中，Chat是指对话方式，GPT是指背后的技术，其是一种基于互联网可用数据训练的文本生成深度学习模型。它用于文本问答、文本摘要、语言翻译、文本分类、代码生成和对话对答等工作中。从最初版本的GPT-1到GPT-4（ChatGPT），仅用4年时间ChatGPT就实现了快速的迭代式演... -
五、高阶函数
五、高阶函数 抽象 重复的抽象 高阶函数 脚本数据集 数组过滤 使用map 函数转换数组 使用reduce 汇总数据 可组合性 字符串和字符码 识别文本 本章小结 习题 展开 你自己的循环 every 五、高阶函数 原文：Higher-Order Functions 译者：飞龙 协议：CC BY-NC-SA 4... -
音频 I/O 和torchaudio的预处理
音频 I/O 和torchaudio 的预处理 打开文件 转换 函数 从 Kaldi 迁移到torchaudio 可用数据集 总结 音频 I/O 和torchaudio 的预处理 原文：https://pytorch.org/tutorials/beginner/audio_preprocessing_tutorial.html ... -
从零开始的 NLP：使用字符级 RNN 分类名称
从零开始的 NLP：使用字符级 RNN 分类名称 准备数据 将名称转换为张量 创建网络 训练 准备训练 训练网络 绘制结果 评估结果 在用户输入上运行 练习 从零开始的 NLP：使用字符级 RNN 分类名称 原文：https://pytorch.org/tutorials/intermediate/char_rnn_classif... -
论数据库索引优化策略及其对查询性能的影响：从原理到实战的全解析
论数据库索引优化策略及其对查询性能的影响：从原理到实战的全解析 一、索引的本质：数据库的 “智能目录” 二、索引设计的黄金法则：场景驱动的精准建模 1. 最左前缀原则的深度应用 2. 覆盖索引的极致优化 3. 索引选择性的量化分析 三、分场景优化策略：数据量与查询模式的动态适配 1. 千万级以下数据的索引策略 2. 亿级数据的分布式索引方案 3... -
PyTorch深度学习
PyTorch深度学习 深度学习构建模块: Affine maps, non-linearities and objectives Affine Maps Non-Linearities(非线性) Softmax and Probabilities(Softmax和概率分布) Objective Functions(目标函数) Optimizati... -
一、值，类型和运算符
一、值，类型和运算符 值 数字 算术 特殊数字 字符串 一元运算符 布尔值 比较 逻辑运算符 空值 自动类型转换 逻辑运算符的短路特性 本章小结 一、值，类型和运算符 原文：Values, Types, and Operators 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... -
使用torchaudio的语音命令识别
使用torchaudio 的语音命令识别 导入数据集 格式化数据 定义网络 训练和测试网络 总结 使用torchaudio 的语音命令识别 原文：https://pytorch.org/tutorials/intermediate/speech_command_recognition_with_torchaudio.html 本教程... -
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...
