【Flutter&Flame游戏 - 拾玖】构件特效 | 了解 EffectController 体系
持续创作，加速成长！这是我参与「掘金日新计划 · 6 月更文挑战」的第 20 天，点击查看活动详情 前言 这是一套 张风捷特烈 出品的 Flutter&Flame 系列教程，发布于掘金社区。如果你在其
如何在 TypeScript 中使用泛型？
持续创作，加速成长！这是我参与「掘金日新计划 · 6 月更文挑战」的第 7 天，点击查看活动详情 大家好，我是 CUGGZ。 泛型是静态类型语言的基本特征，允许将类型作为参数传递给另一个类型、函数、或
actix-web快速上手
actix-web的使用 上手 actix-web使用一个HttpServer+多个App来完成功能，而且是一个线程一个App，也就是一个后端服务可能存在多个App实例。同时因为路由之后的处理都是在A
6000字|22张图 带你彻底弄懂Zookeeper分布式锁
前面我们剖析了Redisson的源码，主要通过对Redisson实现Redis分布式锁的15问，理清了Redisson是如何实现的分布式锁和一些其它的特性。这篇文章就来接着剖析Zookeeper分布式
OpenHarmony 官网文档有哪些上新？上篇：应用开发文档上新
随着 OpenAtom OpenHarmony（以下简称“OpenHarmony”）系统能力持续升级，已具备支撑复杂带屏标准设备和应用开发的基础能力。相较于旧版本，OpenHarmony 不仅强化了内核，构建了业务自适应优化内核调度机制，为流畅性能奠定基础；还增强了 HDF 驱动开发模型，开放丰富 HDI 接口，为系统提供更多硬件访问能力。同时，图形、多媒体、分布式硬件、分布式数据管理、分布式安全等能力全面提升。 为了方便社区开发者更易获取 OpenHarmony 相关文档，SIG Docs
GitHub打不开？看看这5个免费的国内Git仓库吧~
大家好，这里是Python程序员晚枫。 当提起Git仓库时，你脑海里第一个出现的是什么？ 因为众所周知的原因，GitHub常常打不开影响开发进展。 国内免费的Git仓库有哪些呢？今天我给大家介绍一下~ 1、Gitee 链接：gitee.com 国内算是老牌的git仓库了，用户比较多、代码资源也比较多，功能上和Github的差不多。 开发者超过 800 万，托管项目超过 2000 万，汇聚几乎所有本土原创开源项目，并于 2016 年推出企业版，提供企业级代码托管服务，成为开发领域领先的 SaaS
使用腾讯云DNS解析 + Github Pages，免费搭建个人网站 （给小白的保姆级教程）
大家好，这里是Python程序员晚枫。 每位程序员和技术爱好者，想必都想搭建一个属于自己的个人网站吧？ 我自己使用【腾讯云DNS解析 + GitHub Pages】，免费创建了一个个人网站：www.python-office.com 今天我就给大家分享一下，我的具体操作步骤，小白也能看得懂~ 打开Github仓库的Pages功能 开通Github Pages 打开Pages功能的步骤如上图所示，每一步的具体内容是： 打开自己的任意一个GitHub仓库，例如我自己的是：python-office
大规模并行分布式深度学习
作者：林伟 最新的十年是人工智能爆炸的十年，人工智能已经在社会各个领域如图片，语音，语言理解，推荐算法取得重大突破，使得其判断的结果已经接近或者超越了人类。这个背后的主要原因是是互联网的不断发展使我们能够快速地积累了海量数据，再加上硬件的快速发展以及神经网络训练方式的革新，使我们越来越有能力训练深且宽的神经网络，产出了超越人类“智能”的模型，并得到广泛应用。所以如何实现大规模并行分布式深度学习就成为深度学习的研究热点，从而成为推动算法创新的关键的人工智能工程能力。 并行分布式深度学习的历史发展
阿里云机器学习PAI开源中文NLP算法框架EasyNLP，助力NLP大模型落地
作者：临在、岑鸣、熊兮 一 导读 随着 BERT、Megatron、GPT-3 等预训练模型在NLP领域取得瞩目的成果，越来越多团队投身到超大规模训练中，这使得训练模型的规模从亿级别发展到了千亿甚至万亿的规模。然而，这类超大规模的模型运用于实际场景中仍然有一些挑战。首先，模型参数量过大使得训练和推理速度过慢且部署成本极高；其次在很多实际场景中数据量不足的问题仍然制约着大模型在小样本场景中的应用，提高预训练模型在小样本场景的泛化性依然存在挑战。为了应对以上问题，PAI 团队推出了 EasyNLP
【INFOCOM 2022】支持任意网络拓扑的同步流水线并行训练算法，有效减少大规模神经网络的训练时间
今天要介绍的文章是来自阿里云机器学习平台PAI与香港大学吴川教授团队等人在 INFOCOM 2022 发表的论文，论文名是"Efficient Pipeline Planning for Expedited Distributed DNN Training"。论文提出了一个支持任意网络拓扑的同步流水线并行训练算法，有效减少大规模神经网络的训练时间。 原有技术问题 同步流水线并行（pipeline parallelism）在训练轮间插入同步墙 ，用于累计梯度和更新模型保证模型收敛性。但同步墙会阻
MAE自监督算法介绍和基于EasyCV的复现
作者：贺弘、谦言、临在 导言 自监督学习（Self-Supervised Learning）能利用大量无标注的数据进行表征学习，然后在特定下游任务上对参数进行微调。通过这样的方式，能够在较少有标注数据上取得优于有监督学习方法的精度。近年来，自监督学习受到了越来越多的关注，如Yann Lecun也在 AAAI 上讲 Self-Supervised Learning 是未来的大势所趋。在CV领域涌现了如SwAV、MOCO、DINO、MoBY等一系列工作。MAE是kaiming继MOCO之后在自监督
BladeDISC 0.2.0更新发布
在BladeDISC正式开源三个月后，我们发布了0.2.0版本，该更新包含了大量的性能优化与功能增强。 BladeDISC是目前业界领先的支持动态shape的深度学习优化编译器。深度学习优化编译器负责将上层的神经网络计算图转换为底层硬件可执行的程序，当前流行的深度学习优化编译器（TVM[1]、XLA[2]、TensorRT[3]等）对静态shape的支持力度较大，对动态shape的支持则有所欠缺。其中，XLA目前只支持静态shape，TensorRT可以支持ranged shape（即指定尺寸
开发者玩转机器学习不能错过的15篇深度文章！
摘要：机器学习平台PAI是面向开发者和企业的机器学习/深度学习工程平台，提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务。开发者可以通过PAI快速构建训练模型，如搭建一些《物体识别》、《验证语音降噪等》有趣的实验模型，也可以契合企业需求，实现企业个性化推荐，小编整理了一些基于PAI平台的模型开发训练指南，供开发者参考收藏。 了解机器学习平台 PAI：https://www.aliyun.com/product/bigdata/learn PAI-DSW入门指南&
SREWorks持续交付云原生化: 镜像构建
作者：邓洋杰 1 背景 在应用运维领域中，CI/CD已逐步演化成持续集成(Continous Integration)、持续交付(Continous Delivery)和持续部署(Continous Deployment)三个核心阶段，以支持更加复杂的大型系统建设。 CI依然代表应用开发人员的开发、测试、合并等自动化阶段，而CD已分化成持续交付和持续部署两个关联阶段，为云原生背景下的应用运维提供了更多的可操作空间。其中，持续交付在不同的阶段，都有相对应的事实标准，大致可分为“On-Machin
数仓血缘关系数据的存储与读写
本文首发于 Nebula Graph Community 公众号 一、选择 Nebula 的原因 性能优越 查询速度极快 架构分离，易扩展（目前的机器配置低，后续可能扩展） 高可用（由于是分布式，所以从使用到现在没有出现过宕机情况） 上手容易 介绍全（熟悉架构和性能） 部署快（经过手册的洗礼，快速部署简单的集群） 使用简便（遇到需要的数据，查询手册获取对应的GNQL，针对性查询） 答疑优秀（遇到问题，可以先翻论坛，如果没有，那就发布帖子，开发人员的帮助很及时） 开源，且技术稳定 因为实践企业多
中科大脑知识图谱平台建设及业务实践
本文首发于 Nebula Graph Community 公众号 “为了支持城市复杂场景下各类需求，中科大脑知识图谱团队设计开发了一套包含本体可视化设计、数据映射、数据抽取、数据写入、图数据探索的一体化平台，而本文则详细介绍了他们的业务背景、技术选型、平台建设等内容。” 01 背景介绍 中科大脑作为一家城市级的数字资产运营商，一方面要对各种类型的数据进行高效存储，另一方面面临如何将各类数据充分利用的问题，传统 NoSQL、SQL 不能完全满足数据的存储和利用，以图数据库为基础的知识图谱一定程度
GraphX 图计算实践之模式匹配抽取特定子图
本文首发于 Nebula Graph Community 公众号 前言 Nebula Graph 本身提供了高性能的 OLTP 查询可以较好地实现各种实时的查询场景，同时它也提供了基于 Spark GraphX 的 nebula-algorithm 库以便支持实时的图算法，这里给 Nebula 点个赞，很不错！ 但实践过程中，我发现部分 OLAP 场景中，想实现模式匹配分析，Nebula 的支撑就显得不那么完善了。 这里我对模式匹配的解释是：在一张大图中，根据特定的规则抽取出对应的子图。 举一
隐藏在 Nebula Graph 背后的星辰大海
本文首发于 Nebula Graph Community 公众号 作者介绍 大家好，我是 Anyzm，graph-ocean（GitHub：https://github.com/nebula-contrib/graph-ocean）项目发起人，目前就职于 360数科，岗位是高级 JAVA 开发工程师。 介绍完自己，这里来介绍下 graph-ocean 是什么？ graph-ocean 简介 graph-ocean 是一款基于 nebula-java 客户端的 ORM（Object Relati
改变世界的开发者丨以梦为码，华工小哥的致青春
摘要：技术的魅力在于它充满未知和惊喜，或让开发者自我超越，或深深影响到一个群体。 本文分享自华为云社区《改变世界的开发者丨以梦为码，华工小哥的致青春》，作者： 大数据在线。 技术的魅力在于它充满未知和惊喜，或让开发者自我超越，或深深影响到一个群体。 就像两年前，一款世界名画换脸小程序在清华美院风靡一时，学生们沉迷于用它体验蒙娜丽莎般的微笑，与戴珍珠耳环少女比美……这一切的背后是来自于云数据库、人工智能等云计算技术所施展的魔力，而“魔术师”则是一位来自华南理工大学的年轻开发者：梁立名。 谁曾想，
今日推荐
周排行