-
16.1 模式的概念
16.1 模式的概念 16.1.1 单例 16.1.2 模式分类 16.1 模式的概念 在最开始，可将模式想象成一种特别聪明、能够自我适应的手法，它可以解决特定类型的问题。也就是说，它类似一些需要全面认识某个问题的人。在了解了问题的方方面面以后，最后提出一套最通用、最灵活的解决方案。具体问题或许是以前见到并解决过的。然而，从前的方案也许并不是最完善... -
2.9 完美洗牌
2.9 完美洗牌 题目详情 分析与解法 解法一、蛮力变换 1.1、步步前移 1.2、中间交换 解法二、完美洗牌算法 2.1、位置置换pefect_shuffle1算法 2.2、完美洗牌算法perfect_shuffle2 2.2.1、走圈算法cycle_leader 2.2.2、神级结论：若2*n=（3^k - 1），则可确定圈的个数及各自头部的... -
1.3 实现方案的隐藏
1.3 实现方案的隐藏 1.3 实现方案的隐藏 为方便后面的讨论，让我们先对这一领域的从业人员作一下分类。从根本上说，大致有两方面的人员涉足面向对象的编程：“类创建者”（创建新数据类型的人）以及“客户程序员”（在自己的应用程序中采用现成数据类型的人；注释④）。对客户程序员来讲，最主要的目标就是收集一个充斥着各种类的编程“工具箱”，以便快速开发符合自己要... -
03 AI智能绘图DALL·E 2
03 AI智能绘图DALL·E 2 03 AI智能绘图DALL·E 2 DALL·E 2是OpenAI开发的一种全新的人工智能技术，能够根据给定的文字描述生成多样性和高质量的图像，如下图所示。DALL·E 2基于Transformer模型，是一种多层的神经网络，可以理解与生成语言。它是一种自然语言处理（NLP）技术和生成式对抗网络（GAN）技术的结合。... -
5.3 接口与实现
5.3 接口与实现 5.3 接口与实现 我们通常认为访问控制是“隐藏实现细节”的一种方式。将数据和方法封装到类内后，可生成一种数据类型，它具有自己的特征与行为。但由于两方面重要的原因，访问为那个数据类型加上了自己的边界。第一个原因是规定客户程序员哪些能够使用，哪些不能。我们可在结构里构建自己的内部机制，不用担心客户程序员将其当作接口的一部分，从而自由地... -
扩展 PyTorch
扩展 PyTorch 扩展 torch.autograd 扩展 torch.nn 增加一个Module 。 编写自定义的 C 扩展 译者署名 扩展 PyTorch 扩展 torch.autograd 扩展 torch.nn 增加 Module 编写自定义 C 扩展 本篇文章中包含如何扩展torch.nn ，torch.auto... -
字符串的新增方法
String.fromCodePoint() String.raw() 实例方法：codePointAt() 实例方法：normalize() 实例方法：includes(), startsWith(), endsWith() 实例方法：repeat() 实例方法：padStart()，padEnd() 实例方法：trimStart()，tri... -
自动求导机制
自动求导机制 向后排除子视图： requires_grad autograd 如何编码历史信息： Variable 上的 In-place 操作： In-place 正确性检测： 译者署名 自动求导机制 从后向中排除子图 requires_grad volatile 自动求导如何编码历史信息 Variable 上的 In-pl... -
引用通告类
引用通告类 , 使用引用通告类 , 初始化类 , 发送引用通告 , 接受引用通告 , 你的 Ping URL , 新建 Trackback 表 , 处理引用通告 , 说明 , 类参考 引用通告类 引用通告类提供了一些方法用于发送和接受引用通告数据。 如果你还不知道什么是引用通告，可以在 这里 找到更多信息。 ... -
Automatic differentiation package - torch.autograd
Automatic differentiation package - torch.autograd Variable (变量) API compatibility In-place operations on Variables In-place correctness checks Function (函数) Profiler(分析器) ...
