-
Automatic differentiation package - torch.autograd
Automatic differentiation package - torch.autograd torch.autograd.backward(variables, grad_variables, retain_variables=False) Variable API 兼容性 In-place operations on Variables ... -
3.4 异常
3.4 异常 3.4.1 异常对象 3.4 异常 来源：3.4 Exceptions 译者：飞龙 协议：CC BY-NC-SA 4.0 程序员必须总是留意程序中可能出现的错误。例子数不胜数：一个函数可能不会收到它预期的信息，必需的资源可能会丢失，或者网络上的连接可能丢失。在设计系统时，程序员必须预料到可能产生的异常情况并且采取适... -
torch.onnx
torch.onnx 示例:从Pytorch到Caffe2的端对端AlexNet模型 局限 支持的运算符 Functions torch.onnx 译者：@Haofan Wang 校对者：@aleczhang torch.onnx 模块可以将模型导出成 ONNX IR 形式.被导出的模型可以通过 ONNX 库被重新导入, 然后转化... -
Redis 哨兵集群如何实现高可用？
Redis 哨兵集群实现高可用 哨兵的介绍 哨兵的核心知识 Redis 哨兵主备切换的数据丢失问题 导致数据丢失的两种情况 数据丢失问题的解决方案 sdown 和 odown 转换机制 哨兵集群的自动发现机制 slave 配置的自动纠正 slave->master 选举算法 quorum 和 majority configuration ... -
8.1 数组
8.1 数组 8.1.1 数组和第一类对象 8.1.2 数组的返回 8.1 数组 对数组的大多数必要的介绍已在第4章的最后一节进行。通过那里的学习，大家已知道自己该如何定义及初始化一个数组。对象的容纳是本章的重点，而数组只是容纳对象的一种方式。但由于还有其他大量方法可容纳数组，所以是哪些地方使数组显得如此特别呢？ 有两方面的问题将数组与其他集合类... -
将分布式DataParallel与分布式 RPC 框架相结合
将分布式DataParallel 与分布式 RPC 框架相结合 将分布式DataParallel 与分布式 RPC 框架相结合 原文：https://pytorch.org/tutorials/advanced/rpc_ddp_tutorial.html 作者 ： Pritam Damania 本教程使用一个简单的示例演示如何将Distr... -
在Atom中写作
在Atom中写作 虽然Atom通常可能用来编写软件的代码，但是它还可以用来高效地编写文章。这通常采用一些标记语言，比如说Markdown和Asciidoc（也就是英文手册所用的格式）来完成。下面我们会很快浏览一遍Atom提供给你用来写文章的一些工具。 拼写检查 如果你在处理文本（通常包括纯文本文件，Github Markdown文件... -
17.3 复杂性理论
17.3 复杂性理论 17.3 复杂性理论 下面要介绍的程序的前身是由Larry O’Brien原创的一些代码，并以由Craig Reynolds于1986年编制的“Boids”程序为基础，当时是为了演示复杂性理论的一个特殊问题，名为“凸显”（Emergence）。 这儿要达到的目标是通过为每种动物都规定少许简单的规则，从而逼真地再现动物的群聚行为。... -
HBase 和 Schema 设计
HBase 和 Schema 设计 34. Schema 创建 34.1. Schema 更新 35. 表 Schema 的经验法则 HBase 和 Schema 设计 贡献者：Raymondcode 关于各种非 RDBMS 数据存储建模的优缺点，可以在 Ian Varley 的硕士论文 No Relation: The Mixed B... -
自动求导机制
自动求导机制 反向排除 subgraphs (子图) requires_grad volatile autograd (自动求导) 如何编码 history (历史信息) 变量上的 In-place Operations (就地操作) In-place Operations (就地操作) 的正确性检查 自动求导机制 译者： @那伊抹微...
