您好,欢迎光临本网站![请登录][注册会员]  

列表 第642439页

« 1 2 ... .34 .35 .36 .37 .38 642439.40 .41 .42 .43 .44 ... 697879 »

[其它] NodePack示例:基于JavaScript,Node.js和NPM的最基本的功能-源码

说明:math_example软件包 Javascr ipt,Node.js和NPM的最佳实践 math_example软件包中提供以下功能。 加法将两个数字相加并返回结果。 减法从第一个减去第二个数字并返回结果。 乘法将两个数字相乘并返回结果。 除法将第一个数字除以第二个数字,然后返回结果。 fibonacci应用斐波那契序列计数时间并返回结果。 实名制的公共事业和公共事业的公共事业
<weixin_42138780> 上传 | 大小:3kb

[其它] Dorval少年-Engenheiro-BEnd-源码

说明:Dorval少年-Engenheiro-BEnd
<weixin_42127748> 上传 | 大小:21kb

[其它] 深度学习的异构加速技术(二):螺狮壳里做道场

说明:本文来自于www.qcloud.com,主要以当前学术界在AI处理器构架方面的讨论为主,其次对一些流式处理及数据复用,片上存储及其优化等方面接受本篇文章。在一文所述的AI加速平台的第一阶段中,无论在FPGA还是ASIC设计,无论针对CNN还是LSTM与MLP,无论应用在嵌入式终端还是云端(TPU1),其构架的核心都是解决带宽问题。不解决带宽问题,空有计算能力,利用率却提不上来。就像一个8核CPU,若其中一个内核就将内存带宽100%占用,导致其他7个核读不到计算所需的数据,将始终处于闲置状态。对此
<weixin_38586186> 上传 | 大小:714kb

[其它] debe:Eksisozluk debe解析器-源码

说明:这是什么? 这是我个人使用的EksiSozluk( )DEBE解析器。 为什么? 我讨厌逐个浏览DEBE列表,并且讨厌看到特定主题的条目。 该解析器过滤掉我讨厌的内容,并将所有内容放在单个页面上。
<weixin_42125770> 上传 | 大小:51kb

[其它] 安静-源码

说明:自述文件 该自述文件通常会记录启动和运行应用程序所需的所有步骤。 您可能要讲的内容: Ruby版本 系统依赖 配置 数据库创建 数据库初始化 如何运行测试套件 服务(作业队列,缓存服务器,搜索引擎等) 部署说明 ...
<weixin_42122988> 上传 | 大小:197kb

[其它] skilltree:Web开发人员技能树-源码

说明:#Skillock of Web 代码基础 ##发展 ###技术栈 昏死 需求JS jQuery的 古尔普 ###设置 1,安装依赖 sudo npm install 2.开发 3.测试 gulp test Web技能树 ##说明 所需技能: 前端 后台 部署 数据库 所需软技能: 分析 设计 用户界面 执照 :copyright:2015 版权所有。 该代码在MIT许可下分发。 请参阅此目录中的LICENSE.txt 。
<weixin_42102933> 上传 | 大小:695kb

[其它] 电子商店:应用程序电子商务-源码

说明:电子商店:应用程序电子商务
<weixin_42168902> 上传 | 大小:1mb

[其它] trustroots:旅行者共享,托管和聚集人的社区-源码

说明:旅行者社区。 共享,托管和使人们聚在一起。 志愿服务 您不必成为程序员即可参与! 查看以获取有关如何入门的更多信息。 错误与功能建议 运行软件 我们有两种主要方法来运行该软件。 在本地运行 在您的本地主机上安装堆栈,并在本地运行和 。 这种方法需要花费更多的时间来设置,并且需要更多的手动配置,但是它很快并且可以更容易地使用。 。 使用Docker运行 如果您熟悉Docker,这是上手的最简单,最快的方法。 运行Docker可能会比本地运行慢一些。 。 执照 照片版权-其中有几位属于创用CC。
<weixin_42121058> 上传 | 大小:12mb

[其它] github.io-fuzz:模糊工作坊github io网站-源码

说明:github.io-fuzz:模糊工作坊github io网站
<weixin_42148053> 上传 | 大小:1mb

[其它] 点文件-源码

说明:点文件
<weixin_42134117> 上传 | 大小:52kb

[其它] 深度学习的异构加速技术(三):互联网巨头们“心水”这些AI计算平台

说明:本文来自于www.qcloud.com,将走进工业界,看一看半导体厂商和互联网巨头在AI计算中的不同选择。在前面的,主要在解决带宽这一核心问题的层面,对学术界涌现的典型架构进行讨论。不同厂商有不同的应用场景,而适合构架和解决方案也各不相同,如云侧和端侧处理构架的设计导向差别较大。对于半导体领域,只要市场规模足够大,有足够多的客户买单,那么就有足够的动力去做相应的硬件定制。下面对以Nvidia和Intel为代表的半导体厂商方案进行论述。NVIDIA的应用场景是图像计算和海量数据并行计算。GPU是异
<weixin_38742453> 上传 | 大小:758kb

[其它] 文件夹-源码

说明:文件夹
<weixin_42119989> 上传 | 大小:24mb
« 1 2 ... .34 .35 .36 .37 .38 642439.40 .41 .42 .43 .44 ... 697879 »