-
torch.Tensor
torch.Tensor abs() → Tensor abs_() → Tensor acos() → Tensor acos_() → Tensor add(value) add(_value) addbmm(beta=1, mat, alpha=1, batch1, batch2) → Tensor addbmm(_beta=1, mat... -
5.3 格子取数
5.3 格子取数 题目描述 分析与解法 举一反三 5.3 格子取数 题目描述 有n*n个格子，每个格子里有正数或者0，从最左上角往最右下角走，只能向下和向右，一共走两次（即从左上角走到右下角走两趟），把所有经过的格子的数加起来，求最大值SUM，且两次如果经过同一个格子，则最后总和SUM中该格子的计数只加一次。 分析与解法 初看到此题，... -
5.3 格子取数
5.3 格子取数 题目描述 分析与解法 举一反三 5.3 格子取数 题目描述 有n*n个格子，每个格子里有正数或者0，从最左上角往最右下角走，只能向下和向右，一共走两次（即从左上角走到右下角走两趟），把所有经过的格子的数加起来，求最大值SUM，且两次如果经过同一个格子，则最后总和SUM中该格子的计数只加一次。 分析与解法 初看到此题，... -
广播语义
广播语义 一般语义 直接语义 (In-place semantics) 向后兼容 广播语义 译者：@谢家柯 @Twinkle 一些 PyTorch 的操作支持基于 NumPy Broadcasting Semantics . 简而言之, 如果一个 PyTorch 操作支持广播语义, 那么它的张量参数可以自动扩展为相同的大小 (不... -
gaea proxy后端连接池的设计与实现
gaea proxy后端连接池的设计与实现 理想的连接池 连接池的创建、使用 定义 创建 使用 动态维护连接 总结 gaea proxy后端连接池的设计与实现 理想的连接池 基于go实现连接池的方式有很多种，比如通过chan、通过map+锁的方式，但是从使用者的角度来看，一个优秀的连接池我认为有以下几个特性: 1.有最大连接数和初始连接... -
8.3 枚举器（迭代器）
8.3 枚举器（迭代器） 8.3 枚举器（迭代器） 在任何集合类中，必须通过某种方法在其中置入对象，再用另一种方法从中取得对象。毕竟，容纳各种各样的对象正是集合的首要任务。在Vector 中，addElement() 便是我们插入对象采用的方法，而elementAt() 是提取对象的唯一方法。Vector 非常灵活，我们可在任何时候选择任何东西，并可使... -
torch.utils.bottleneck
torch.utils.bottleneck 译者署名 torch.utils.bottleneck torch.utils.bottleneck 是一个可以用作调试程序瓶颈的初始步骤的工具。它汇总了Python 分析器和PyTorch 的autograd 分析器脚本的运行情况。 用命令行运行它 python - m torch . utils... -
6.4 外排序
6.4 外排序 方法介绍 问题实例 举一反三 6.4 外排序 方法介绍 所谓外排序，顾名思义，即是在内存外面的排序，因为当要处理的数据量很大，而不能一次装入内存时，此时只能放在读写较慢的外存储器（通常是硬盘）上。 外排序通常采用的是一种“排序-归并”的策略。 在排序阶段，先读入能放在内存中的数据量，将其排序输出到一个临时文件，依此进行，将... -
7.3.1 继承
7.3.1 继承 7.3.1 继承 不难理解，子类拥有超类的一切特性，凡是超类适用的地方，子类也适用。例如，“研究 生”具有“学生”的全部属性，包括数据属性（如学号、姓名、年龄）和行为属性（如选课、 参加学生社团等），凡是“学生”能做的，“研究生”都能做。子类拥有超类的全部属性（数 据和方法），这是面向对象方法中极为重要的一个特色，称为继承（inher... -
4.3.1 顶层设计
4.3.1 顶层设计 4.3.1 顶层设计 根据 calendar 程序的规格说明，很容易设计一个简单的 IPO 模式的算法：首先从用户处 获得年份输入 year，然后计算该年份 1 月 1 日是星期几，最后按特定格式输出年历。我们用 伪代码来表示该算法，如下： 输入 year 计算 year 年 1 月 1 日是星期几 ...
