-
linechain新版设计
linechain新版设计 linechain新版设计 经过近两个月的学习、研讨，对跨链、链上链下融合、元宇宙等关键概念有了初步的理解和思考，NFT（NFT token、发币、NFT市场、NFT钱包）进行了深入的探讨，对智能合约、solidity开发进行深入学习，对区块链移动客户端交叉编译有了初步的理解和实践，所有这些准备，为新版linechain向何... -
3.5 组合语言的解释器
3.5 组合语言的解释器 3.5.1 计算器 3.5.2 解析 3.5 组合语言的解释器 来源：3.5 Interpreters for Languages with Combination 译者：飞龙 协议：CC BY-NC-SA 4.0 运行在任何现代计算机上的软件都以多种编程语言写成。其中有物理语言，例如用于特定计算机的... -
加载器类
加载器类 , 应用程序"包" , 包的视图文件 , 类参考 加载器类 加载器，顾名思义，是用于加载元素的，加载的元素可以是库（类），视图文件 ， 驱动器 ，辅助函数 ， 模型 或其他你自己的文件。 注解 该类由系统自动加载，你无需手工加载。 ,应用程序"包" 应用程序包（Package）可以很便捷的将你的应用部署在一个独立... -
基本的自定义
基本的自定义 在我们感受到Atom中所有东西的便利之后，让我们看看如何改进它。可能有一些快捷键你经常使用但是感觉很别扭，或者一些颜色不是十分适合你。Atom具有惊人的灵活性，所以让我们对它做一些力所能及的简单调整。 使用CSON来配置 所有Atom的配置文件（除了你的样式表和初始脚本）全部用CSON编写，全称是CoffeeScrip... -
词汇嵌入:编码词汇语义
词汇嵌入:编码词汇语义 Getting Dense Word Embeddings(密集字嵌入) Word Embeddings in Pytorch(Pytorch中的单词嵌入） 例子: N-Gram 语言模型 Exercise: Computing Word Embeddings: Continuous Bag-of-Words(练习: 计算单词嵌... -
第十四章
第十四章 YAML 转换成 YAML 嵌套序列 保存 YAML 数据 保存时忽略变量 一个文件中多个文档 YAML 数据库 YAML 冒险游戏 深入探索 YAML 的简要指南 { "title" : "第十四章" , "ctime" : "2018-12-25 00:02:00" , ... -
torch.onnx
torch.onnx 示例：从 PyTorch 到 Caffe2 的端到端的 AlexNet 限制与不足 支持的运算函数 torch.onnx 功能 参数： 译者署名 torch.onnx torch.onnx 模块包含将模型导出为ONNX IR 格式的功能。这些模型可以加载ONNX 库，然后转换为在其他深度学习框架上运行的模型。 示... -
torchtext语言翻译
torchtext 语言翻译 数据处理 DataLoader 定义我们的nn.Module 和Optimizer 后续步骤 torchtext 语言翻译 原文：https://pytorch.org/tutorials/beginner/torchtext_translation_tutorial.html 本教程介绍了如何使用t... -
Architecture
Architecture Fundamental differences from relational systems Data model Aspace is like adatabase Amodel is like atable Query language Transactions Stora... -
Interop
Interop Interop is extraordinarily important if you want your language to succeed! This is just a historical fact. A huge part of why C++ was so successful was that it was e...
