Matplotlib tutorial http://www.labri.fr/perso/nrougier/teaching/matplotlib/#introduction %matplotlib inline import numpy as np import matplotlib.pyplot as plt X = np.linspace(-np.pi, np.pi, 256, endpoint=True) C,S = np.cos(X), np.sin(X) plt.plot(X,C)

腾讯犀牛鸟开源人才培养计划Tars实战笔记目录 前言 在2021年夏,笔者参加了腾讯首届开源人才培养计划的Tars项目,负责Subset流量管理规则的Java语言JDK实现.其中写作几篇开源实战笔记,将其总结在以下文章中. 大标题可以跳转至对应博文. 第1篇 Win10下Docker部署TarsJava(SpringBoot)全过程及踩坑记录 相关环境版本 坑点一:VMware与Win10 Docker冲突 坑点二:20.版本TarsJava(SpringBoot)依赖文件缺失 Docker安装

市面上流行着各式各样的深度学习库,它们风格各异.那么这些函数库的风格在系统优化和用户体验方面又有哪些优势和缺陷呢?本文旨在于比较它们在编程模式方面的差异,讨论这些模式的基本优劣势,以及我们从中可以学到什么经验. 我们主要关注编程模式本身,而不是其具体实现.因此,本文并不是一篇关于深度学习库相互比较的文章.相反,我们根据它们所提供的接口,将这些函数库分为几大类,然后讨论各类形式的接口将会对深度学习编程的性能和灵活性产生什么影响.本文的讨论可能不只针对于深度学习,但我们会采用深度学习的例子来分析和优

来自 Laravel学院:http://laravelacademy.org/ http://laravelacademy.org/laravel-project 原型项目 Laravel 5 Boilerplate —— 基于当前Laravel最新版本(Laravel 5.1.*)并集成Boilerplate的项目 Laravel 5 Angular Material Starter —— 这是一个Laravel 5.1和AngularJS的原型项目 Someline Starter —— 基

Swift 开源项目精选 站在个人的角度,并基于<Swift 语言指南>,针对开源项目做了一个甄别.筛选.当然,由于个人能力及涉足范围所限,还远远不够,其中肯定有偏颇及不足,还望同学们多多见谅.更希望能得到你的帮助和补充,共同参与. @SwiftLanguage 更新至 2016-2-1,最近新收录 Graph, Localize-Swift, Cuckoo, Gecco, AudioKit, vapor, Every.swift 等 7 个,合计已收录 297 个.详见本文档. 目录 “轮子

工作之余或者周末感觉无聊?不知道干什么?想继续提高技术,但是不知道做什么的同学,看过来,不妨利用闲暇时间来撸几个 GitHub 上还不错的开源项目,本文推荐的开源项目比较适合新手.及对MVP设计模式不太熟练的同学练习之用,下面逐一进行简单介绍. 1.ZhiHuMVP 一款采用 MVP 模式的仿知乎客户端. 本项目包含以下知识点: MVP架构思想 Retrofit RESTful API 框架的配合 RxJava 响应式编程 Butter Knife:通过注解绑定 View 夜间模式切换 效果图:

2011年,JDK7发布,1.7u4中,开始启用新的垃圾回收器G1(但是不是默认). 2017年,发布JDK9,G1成为默认GC,代替CMS.(一般公司使用jdk8的时候,会通过参数,指定GC为G1) 2018年,发布JDK11,带来了革命性ZGC,性能比较强. 虚拟机介绍 虚拟机,就是虚拟的计算机,可以执行一系列虚拟计算机指令,大体上可以分为系统虚拟机和程序虚拟机.它们运行时,都会受到虚拟机提供的资源的限制. 系统虚拟机:仿真模拟系统的,比如Visual Box,VMware. 程序虚拟机:为

Sun Classic VM 世界上第一款商用 Java 虚拟机,JDK1.4 已经淘汰. 内部只有解释器,可以自己外挂JIT编译器,但是二者只能使用其一,不能配合工作. hotspot 内置了该虚拟机. 解释器,需要逐行解释执行,效率低下.譬如:如果循环两千次,循环体很大,每次执行都需要解释执行. JIT 编译器,除了可以直接全部即时编译,还可以统计出那些代码执行频率比较高,这部分代码就是热点代码,JIT 编译器会将热点代码,提前编译成为机器指令,放在方法区缓存起来,下次执行到的时候,不需要解

平常开发工作中,我经常取Github上搜索项目,Clone下来学习使用,在这个过程中,发现了好多比较好的Github地址,记录下来,分享出去. image 非常有用的GitHub链接(顺序不分先后): 1. https://github.com/jeasonlzy: OkHttpUtils-2.0.0 升级后改名 OkGo,全新完美支持RxJava,比Retrofit更简单易用. 完全仿微信的图片选择,并且提供了多种图片加载接口,选择图片后可以旋转,可以裁剪成矩形或圆形,可以配置各种其他的参数

发布人:TensorFlow 团队 原文链接:http://developers.googleblog.cn/2017/09/tensorflow.html TensorFlow 1.3 引入了两个重要功能,您应当尝试一下: 数据集:一种创建输入管道(即,将数据读入您的程序)的全新方式. 估算器:一种创建 TensorFlow 模型的高级方式.估算器包括适用于常见机器学习任务的预制模型,不过,您也可以使用它们创建自己的自定义模型. 下面是它们在 TensorFlow 架构内的装配方式.结合使用这

因为最近有读者投稿,用的是印象笔记,文件格式为 .enex ,一般发文章都用 markdown 格式,这叫我好生苦恼,于是乎,Google 搜了一下,找到了如下解决办法. 氪金版: 我只找到了一款比较牛逼的软件可以用 ------ Quiver ,但最骚的一点是,这个是果家的商品,前提条件有两个: 你需要有一台 MacBook/MacBookPro ,因为该软件只支持 MacOS 操作系统 你需要花 ￥68 大洋购买这款产品 这对于我们这样的穷人来讲太过于奢侈了,后来苦苦寻找,我找到了一种免费的

转自:https://github.com/qianyugang/learn-laravel # Learn-Laravel — 学习资料和开源项目集 ## Laravel 学习资料 ### 官方网站* [Laravel.com](http://laravel.com/) —— Laravel官网* [golaravel.com](http://www.golaravel.com/) —— Laravel中文网* [lumen](http://lumen.laravel-china.org/)

一.前言:本文是个实践博客,演示如何结合使用自定义库和 HDInsight 上的 Spark 来分析日志数据. 我们使用的自定义库是一个名为 iislogparser.py的 Python 库. 每步的输入和对应的输出 纠正了原文中一个因版本引起的小问题 前提:你先在Azure HDinsight上有一个Apache Spark集群,(似乎现在只能是2.*版本的spark了) 二.将原始数据另存为 RDD 在本部分中,将使用与 HDInsight 中的 Apache Spark 群集关联的 Ju

原文链接  必备品 文档:Documentation API:API Reference 视频:Laracasts 新闻:Laravel News 中文文档 Laravel学院– Laravel 5.1 中文文档 Laravel中文网– 由PHPHub站长驱动 Laravel中文网– 由Bootstrap中文网站长驱动 Laravel台湾– Laravel文档繁体中文版 Laravel 5 基于2015年2月4日版本 Laravel 5 基本原则 –Laracasts Laravel 5 新特性

[话在前头] 用 Docker 部署 JupyterLab 感觉是部署 JupyterLab 最方便的方式了,官方提供了很多可选的镜像,也可以自己从 jupyter/base-notebook 中继续打包,镜像启动命令加上“--NotebookApp.password”就可以直接用密码登录用了.虽然只是自己一个人用,但是如果放在互联网上访问的话,总感觉不是那么安全,还是希望能像其他服务一样,能独立管理用户信息,能设置二次验证(2FA).不过搜了下网上关于 JupyterHub 的资料比较少,甚至

注:代码已托管在GitHub上,地址是:https://github.com/Damaer/Mybatis-Learning ,项目是mybatis-16-lazyload,需要自取,需要配置maven环境以及mysql环境(sql语句在resource下的test.sql中),觉得有用可以点个小星星. docsify文档地址在:https://damaer.github.io/Mybatis-Learning/#/ mybatis的懒加载,也称为延迟加载,是指在进行关联查询的时候,按照设置延迟

基础数据类型交换 这个话题,需要从最最基础的一道题目说起,看题目:以下代码a和b的值会交换么: public static void main(String[] args) { int a = 1, b = 2; swapInt(a, b); System.out.println("a=" + a + " , b=" + b); } private static void swapInt(int a, int b) { int temp = a; a = b; b

CUDA 11功能清单 基于NVIDIA Ampere GPU架构的新型NVIDIA A100 GPU在加速计算方面实现了最大的飞跃.A100 GPU具有革命性的硬件功能,CUDA 11与A100一起发布. CUDA 11能够利用新的硬件功能来加速HPC,基因组学,5G,渲染,深度学习,数据分析,数据科学,机器人技术以及更多不同的工作负载. CUDA 11包含了所有功能-从平台系统软件到入门和开发GPU加速的应用程序所需的一切.本文概述了此版本中的主要软件功能: 支持NVIDIA Ampere

ARM-CPU卷积网络的自动调谐 为特定的ARM设备自动调谐对于获得最佳性能至关重要.这是一个关于如何调整整个卷积网络的资料. 以模板的形式编写了TVM中ARM CPU的操作实现.模板有许多可调旋钮(平铺系数.矢量化.展开等).将调整神经网络中的所有卷积和深度卷积算子.在调优之后,生成一个日志文件,其中存储了所有所需操作符的最佳旋钮值.当TVM编译器编译这些运算符时,它将查询此日志文件以获得最佳的旋钮值. 还发布了一些arm设备的预调参数.可以转到arm cpu基准测试来查看结果. 本文不会在W

用Auto-TensorCore代码生成优化matmul 将演示如何使用TVM Auto TensorCore CodeGen在Volta/Turing GPU上编写高性能matmul调度.这是一个透明的解决方案,可以生成大多数在ir过程中完成的转换的tensorcore内核.用户还可以编写带有tensorize的调度来生成TensorCore代码.两个解决方案使用相同的tensorcore内部函数.有关详细信息,请参阅如何使用TensorCores优化卷积资料.              准备