三、TensorFlow的层次结构 三、TensorFlow的层次结构 本章我们介绍TensorFlow中5个不同的层次结构：即硬件层，内核层，低阶API，中阶API，高阶API。并以线性回归和DNN二分类模型为例，直观对比展示在不同层级实现模型的特点。 TensorFlow的层次结构从低到高可以分成如下五层。 最底层为硬件层，TensorFlo...

Taro.openLocation(OBJECT) 示例代码 Taro.openLocation(OBJECT) 使用方式同 wx.openLocation ，h5端仅支持微信公众号 （API以小程序为准），支持 Promise 化使用。 示例代码 import Taro from '@tarojs/taro' Tar...

Redis 订阅发布模式 SUBSCRIBE channel [channel …] PUBLISH channel message 应用场景 案例 Redis 订阅发布模式 Redis 发布订阅(pub/sub)是一种消息通信模式：发送者(pub)发送消息，订阅者(sub)接收消息。Redis 客户端可以订阅任意数量的频道。下图展示了频道 ...

Easy Scheduler Release 1.0.2 新特性： 增强： 修复： 感谢： Easy Scheduler Release 1.0.2 Easy Scheduler 1.0.2是1.x系列中的第三个版本。此版本增加了调度开放接口、worker分组(指定任务运行的机器组)、任务流程及服务监控以及对oracle、clickhouse...

Taro.requestPayment(OBJECT) 示例代码 API支持度 Taro.requestPayment(OBJECT) 使用方式同 wx.requestPayment ，h5端仅支持微信公众号 （API以小程序为准），支持 Promise 化使用。 示例代码 import Taro from '@tarojs...

复习 有效地对一段代码进行性能基准分析，特别是将它与同样代码的另一种写法相比较来看哪一种方式更快，需要小心地关注细节。 与其运行你自己的统计学上合法的基准分析逻辑，不如使用Benchmark.js库，它会为你搞定。但要小心你如何编写测试，因为太容易构建一个看起来合法但实际上有漏洞的测试了——即使是一个微小的区别也会使结果歪曲到完全不可靠。 尽可能多地...

关于 关于 交流 GitHub 微信公众号 邮件

开发背景 效果演示 功能模块 一、平台工具(www.dokit.cn) 二、常用工具 三、性能检测 四、视觉工具 五、Weex专项工具（CML专项工具） 六、支持自定义的业务工具集成到面板中 七、微信小程序专项工具 使用手册 相关文档 更新日志 QQ 交流群 微信公众号 项目成员 发起者 / 负责人 内部核心成员 贡献者榜单...

scheduler 本章规划 FAQ scheduler 本章 owner：farmer-hutao Scheduler部分我们先从设计原理上介绍，然后分析源码，最后针对一些主要算法做专题分析。 本章规划 调度器设计 调度程序启动前逻辑 调度器框架 一般调度过程 预选过程 优选过程 抢占调度 调度器初始化 专题-亲和性...

四、TensorFlow的低阶API 四、TensorFlow的低阶API TensorFlow的低阶API主要包括张量操作，计算图和自动微分。 如果把模型比作一个房子，那么低阶API就是【模型之砖】。 在低阶API层次上，可以把TensorFlow当做一个增强版的numpy来使用。 TensorFlow提供的方法比numpy更全面，运算速度更...