-
用基于注意力机制的seq2seq神经网络进行翻译
用基于注意力机制的seq2seq神经网络进行翻译 加载数据文件 Seq2Seq模型 编码器 解码器 简单的解码器 注意力解码器 训练模型 绘制结果 评估 训练和评估 可视化注意力 练习 用基于注意力机制的seq2seq神经网络进行翻译 译者：@EWilsen 作者 : Sean Robertson 这个教程主要讲解... -
（10）JavaScript核心（晋级高手必读篇）
（10）JavaScript核心（晋级高手必读篇） Object_14对象Object Prototype_chain_41原型链（Prototype chain） Constructor_94构造函数(Constructor) Execution_Context_Stack_160执行上下文栈(Execution Context Stack) Ex... -
2.5 面向对象编程
2.5 面向对象编程 2.5.1 对象和类 2.5.2 类的定义 2.5.3 消息传递和点表达式 2.5.4 类属性 2.5.5 继承 2.5.6 使用继承 2.5.7 多重继承 2.5.8 对象的作用 2.5 面向对象编程 来源：2.5 Object-Oriented Programming 译者：飞龙 协议：CC BY... -
2.4 可变数据
2.4 可变数据 2.4.1 局部状态 2.4.2 非局部赋值的好处 2.4.3 非局部赋值的代价 2.4.4 列表 2.4.5 字典 2.4.6 示例：传播约束 2.4 可变数据 来源：2.4 Mutable Data 译者：飞龙 协议：CC BY-NC-SA 4.0 我们已经看到了抽象在帮助我们应对大型系统的复杂性... -
torch
torch 张量 Tensors 创建操作 Creation Ops 索引,切片,连接,换位Indexing, Slicing, Joining, Mutating Ops torch.cat torch.gather torch.index_select torch.masked_select torch.nonzero torch.spl... -
用 Python 轻松抓取百度收录量：从原理到实战的全流程指南
用 Python 轻松抓取百度收录量：从原理到实战的全流程指南 一、抓取原理与准备工作 1.1 百度收录量的查询逻辑 1.2 技术栈准备 二、核心代码实现 2.1 基础抓取函数 2.2 解析收录量的关键函数 2.3 批量查询与数据存储 三、进阶优化与反爬应对 3.1 代理 IP 池的实现 3.2 验证码处理 3.2.1 Selenium 模拟... -
选择微服务部署策略
选择微服务部署策略 前言 单主机多服务实例模式 单主机单服务实例模式 单虚拟机单实例模式 单容器单服务实例模式 Serverless 部署 选择微服务部署策略 前言 部署一个单体式应用意味运行大型应用的多个副本，典型的提供若干个（N）服务器（物理或者虚拟），运行若干个（M）个应用实例。部署单体式应用不会很直接，但是肯定比部署微服务应用简单... -
torch.nn
torch.nn class torch.nn.Parameter() class torch.nn.Module add_module(name, module) apply(fn) children() cpu(device_id=None) cuda(device_id=None) double() eval() float() fo... -
Harmony OS 网络编程 实验指南
Harmony OS 网络编程 实验指南 netcat简介 netcat 是什么？ netcat 如何安装？ netcat 如何使用？ LwIP简介 LwIP是什么？ LwIP在openharmony上的应用情况 下载源码 文件说明 Linux主机实验指南 编译测试程序 运行测试程序 Hi3861开发板实验指南 准备网络环境 修改网... -
强化学习（DQN）教程
强化学习（DQN）教程 回放记忆 DQN 算法 Q 网络 输入提取 训练 超参数和工具 训练循环 强化学习（DQN）教程 原文：https://pytorch.org/tutorials/intermediate/reinforcement_q_learning.html 作者 ： Adam Paszke 本教程说明如何使用...
