细粒度资源管理 使用场景 工作原理 用法 局限 注意 深入讨论 如何提高资源使用率 资源分配策略 细粒度资源管理 Apache Flink 致力于自动分配的默认资源合理且都能满足所有应用需求,做到开箱即用。对于希望更精细化调节资源消耗的用户，基于对特定场景的了解，Flink 提供了细粒度资源管理 。 本文介绍了细粒度资源管理的使用、适用...

细粒度资源管理 使用场景 工作原理 用法 局限 注意 深入讨论 如何提高资源使用率 资源分配策略 细粒度资源管理 Apache Flink 致力于自动分配的默认资源合理且都能满足所有应用需求,做到开箱即用。对于希望更精细化调节资源消耗的用户，基于对特定场景的了解，Flink 提供了细粒度资源管理 。 本文介绍了细粒度资源管理的使用、适用...

细粒度资源管理 使用场景 工作原理 用法 启用细粒度资源管理 为 Slot 共享组指定资源请求 局限 注意 深入讨论 如何提高资源使用率 资源分配策略 细粒度资源管理 Apache Flink 致力于自动分配的默认资源合理且都能满足所有应用需求,做到开箱即用。对于希望更精细化调节资源消耗的用户，基于对特定场景的了解，Flink 提供...

细粒度资源管理 使用场景 工作原理 用法 局限 注意 深入讨论 如何提高资源使用率 资源分配策略 细粒度资源管理 Apache Flink 致力于自动分配的默认资源合理且都能满足所有应用需求,做到开箱即用。对于希望更精细化调节资源消耗的用户，基于对特定场景的了解，Flink 提供了细粒度资源管理 。 本文介绍了细粒度资源管理的使用、适用...

3.2 细粒度的选择词 3.2 细粒度的选择词 接下来，让我们看看文本中的 长 词，也许它们有更多的特征和信息量。为此我们采用集合论的一些符号。我们想要找出文本词汇表长度中超过 15 个字符的词。我们定义这个性质为 P，则 P(w) 为真当且仅当词 w 的长度大余 15 个字符。现在我们可以用(1a) 中的数学集合符号表示我们感兴趣的词汇。它的...

更细粒度的参数优化设置 不同参数使用不同的学习速率 训练中对学习速率的更改 固定部分参数不优化 更细粒度的参数优化设置 在 网络的训练和测试 中网络使用如下优化器进行训练： import megengine . optimizer as optim optimizer = optim . SGD ( le_ne...

网格笔刷引擎 选项 笔刷大小 粒子类型 颜色选项 网格笔刷引擎 这个笔刷引擎在一个网格上绘制形状，可以制作出怀旧的半调效果。 如果你是想要设置用于吸附的网格参考线，请使用 网格与参考线 。 选项 笔刷大小 粒子类型 混色模式 不透明度和流量 颜色选项 笔刷大小 网格宽度 Width of the...

6.3 共享虚拟内存 6.3 共享虚拟内存 OpenCL 2.0的一个重要的修订就是支持共享虚拟内存(SVM)。共享虚拟内存属于全局内存，其相当于在主机内存区域上做的扩展，其允许上下文对象上的所有设备能和主机共享这块内存。SVM能将结构体指针作为参数传入内核，这相较之前的标准方便许多。例如，在未使用SVM之前，在主机端创建的链表结构无法传递到内核中，...

1.7 并行性的粒度 1.7.1 数据共享与同步 1.7.2 共享虚拟内存 1.7 并行性的粒度 不论是在线程中使用共享内存，还在使用消息传递机制，我们都能调整线程的粒度。研究并行计算时，粒度是线程中计算量与通讯量(比如，需要在线程间进行同步的变量)。 并行的粒度由算法的特点所决定，选择合适的并行粒度对于编程者来说很重要，合适的粒度能够在当前设...

11.7 OpenCL 2.0提出共享虚拟内存的原因 11.7 OpenCL 2.0提出共享虚拟内存的原因 OpenCL 2.0中SVM共享虚拟内存特性的添加尤为重要。这让主机端和设备端可以访问同一上下文中的地址空间。其也支持在主机端和内核间传递自定义结构体的指针。这个特性可以理解成将设备端的全局内存扩张到了主机端内存空间中，因此OpenCL中的工作...