-
Writing and Optimizing Go code
Writing and Optimizing Go code When and Where to Optimize How to Optimize Optimization Workflow Concrete optimization tips Data Changes Algorithmic Changes Benchmark Inputs P... -
BERT 上的动态量化（Beta）
BERT 上的动态量化（Beta） 简介 1.设置 1.1 安装 PyTorch 和 HuggingFace 转换器 1.2 导入必要的模块 1.3 了解辅助函数 1.4 下载数据集 2.微调 BERT 模型 2.1 设置全局配置 2.2 加载经过微调的 BERT 模型 2.3 定义分词和评估函数 3.应用动态量化 3.1 检查模型大小 ... -
跟着例子学习 PyTorch
跟着例子学习 PyTorch Tensors Warm-up: numpy PyTorch: Tensors Autograd PyTorch: Variables and autograd PyTorch: Defining new autograd functions TensorFlow: Static Graphs nn module... -
基与字符级RNN(Char-RNN）的人名生成
基与字符级RNN(Char-RNN）的人名生成 数据准备 创建网络 训练 训练前的准备 网络的训练 绘制损失 网络采样 练习 基与字符级RNN(Char-RNN）的人名生成 译者：@jianchengss 作者 : Sean Robertson 在 上一个教程 里我们使用RNN把名字分类到它所属的语言中, 这次我们改变一... -
最新提案
最新提案 do 表达式 throw 表达式 函数的部分执行 语法 注意点 管道运算符 Math.signbit() 双冒号运算符 Realm API JSON 模块 最新提案 本章介绍一些尚未进入标准、但很有希望的最新提案。 do 表达式 本质上，块级作用域是一个语句，将多个操作封装在一起，没有返回值。 { let ... -
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 ... -
Java 8 数据流教程
Java 8 数据流教程 数据流如何工作 数据流的不同类型 处理顺序 为什么顺序如此重要 复用数据流 高级操作 collect flatMap reduce 并行流 到此为止 Java 8 数据流教程 原文：Java 8 Stream Tutorial 译者：飞龙 协议：CC BY-NC-SA 4.0 ... -
Appendix
Appendix Appendix A: Contributing to Documentation A.1. Contributing to Documentation or Other Strings A.2. Editing the HBase Website A.3. Publishing the HBase Website and Docume... -
九、模型验证
九、模型验证 准确率 创建基线分类模型 创建基线回归模型 交叉验证流水线 带有网格搜索参数调优的交叉验证 交叉验证 自定义表现指标 F1 得分 生成表现的文本报告 嵌套交叉验证 绘制学习曲线 绘制 ROC 曲线 绘制验证曲线 精确率 召回率 将数据分割为训练和测试集 九、模型验证 作者：Chris Albon 译者：飞... -
1.3 定义新的函数
1.3 定义新的函数 1.3.1 环境 1.3.2 调用用户定义的函数 1.3.3 示例：调用用户定义的函数 1.3.4 局部名称 1.3.5 实践指南：选择名称 1.3.6 作为抽象的函数 1.3.7 运算符 1.3 定义新的函数 来源：1.3 Defining New Functions 译者：飞龙 协议：CC BY-N...
