用户8490346497718

macs(Multiply–Accumulate Operations)原本是硬件方面的指标，不过近年来深度学习模型运算速度也会经常出现，我们可以使用torchprofile进行计算。 这里我直接使用

1.协程如何定义？ 协程的本质还是一个函数，是一个异步函数，在普通的函数上加一个async就行，所以协程的本质是一个异步函数； 2.协程如何运行？ 协程直接按照普通函数使用是不会运行的： 运行结果：

SharedMemory是python3.8新增加的特性，主要使用内存共享，使用非常方便 使用文档链接：https://docs.python.org/zh-cn/3/library/multipro

背景：经常会有人问你深拷贝浅拷贝之间区别，听过多次，但是仍然不是很清楚到底区别在哪里 本文因此做个实验，一文搞懂之间的区别 假如有一个list为a，然后拷贝给b 我们可以发现构造出一个新的list给了

原生的torch是float32的，我们可以借鉴模型量化的思想将其变成float16，而且pytorch自身就定义了半精度的tensor 假设我训练的一个模型为model，我们在运算的时候直接将模型转

sklearn里面的svm拿来训练真的贼慢，还不能使用多线程加速，哪怕你的cpu是8核或者16核，训练的时候只使用1核，找了各种方式没有找到 最终发现一个库，叫做thundersvm，可以做gpu加速

Hadoop作为大数据不可必备的载体和工具，今天就来玩一下，绝对超级简单，不会你搭建环境 首先简单介绍 一下概念: Hadoop主要分为三个部分: hdfs：这是Hadoop专门用来存文件的，所有的文

tracemalloc在python3中自带，无需安装，可以对程序中每一行的代码的内存使用情况进行分析。 下面我们可以看一个例子，对比运行某一些程序后，内存前后使用差异： 运行结果如下： 我们可以看到

在Python可以使用两个方式求次方，双星号和math.pow() 我们下面可以使用代码进行测试，这里测试的是5的6次幂 运行的结果如下： 我们可以看到，math实际上在调用十分频繁后，速度比双星号差