Go语言技术文章
-
- Go 1.27 SIMD 实验 API 适合哪些计算场景
- Go 1.27 SIMD 实验 API 适合先在连续数据、重复运算的 CPU 热点中试用。文章区分向量计算与并发，给出候选场景、隔离试用方法以及可移植和实验接口的限制。
- 科技周边 · 业界新闻 | 1分钟前 | 158浏览 收藏
-
- Go 1.27 bytes.CutLast 怎样替代 LastIndex 切分
- Go 1.27 为 bytes 增加 CutLast，可围绕最后一个分隔符直接返回 before、after 和 found。本文对比 LastIndex 加手动切片的旧写法，说明未找到时的返回值、切片共享语义与旧版本兼容方案。
- 科技周边 · 业界新闻 | 1分钟前 | 代码迁移 Go 1.27 bytes.CutLast bytes.LastIndex Go 标准库 158浏览 收藏
-
- PEFT LoRA 的 lora_alpha 与 rank 比例配置方法
- 解释 PEFT LoRA 中 rank、lora_alpha 与适配器缩放因子的关系，比较默认 LoRA 和 rsLoRA 的公式，并给出可复查的 LoraConfig 配置与参数检查方法。
- 科技周边 · 人工智能 | 17分钟前 | 441浏览 收藏
-
- MLflow 怎样记录模型签名和输入示例
- 用一个 scikit-learn 分类小项目说明 MLflow 如何通过 input_example 自动记录模型签名，并从输入输出 schema 排查列名、类型和必填字段不匹配。
- 科技周边 · 人工智能 | 22分钟前 | 428浏览 收藏
-
- LlamaIndex CitationQueryEngine 怎样返回引用节点
- 保留 CitationQueryEngine 的响应对象即可读取 source_nodes。通过示例整理引用节点、编号和来源卡片，说明分块粒度、元数据缺失、响应类型与前端展示的适用边界。
- 科技周边 · 人工智能 | 24分钟前 | 111浏览 收藏
-
- LangChain RunnableBranch 怎样路由输入
- LangChain RunnableBranch 通过条件与 Runnable 对组成输入路由，按条件顺序选择第一个匹配分支，并用默认 Runnable 兜底。本文用统一输入输出契约演示如何构造、串接和控制它。
- 科技周边 · 人工智能 | 43分钟前 | python · 人工智能 · LangChain RunnableBranch LCEL 输入路由 160浏览 收藏
-
- vLLM 怎样配置连续批处理最大 token
- vLLM 的连续批处理 token 上限由 max_num_batched_tokens 控制。本文说明 Python 和 vllm serve 两种配置方式，并结合 ITL、TTFT、吞吐量、chunked prefill 与 KV Cache 给出调参边界。
- 科技周边 · 人工智能 | 45分钟前 | 408浏览 收藏
-
- ONNX Runtime 怎样读取可覆盖初始化器的名称与类型
- 使用 ONNX Runtime get_overridable_initializers 读取可覆盖初始化器的名称、类型和形状，整理元数据报告，并区分空列表、加载异常、权重数值与性能结论。
- 科技周边 · 人工智能 | 49分钟前 | 259浏览 收藏
-
- PyTorch DataLoader 怎样复用持久 worker
- 通过 persistent_workers=True 复用 PyTorch DataLoader 的多进程 worker，本文说明 DataLoader 的放置位置、Dataset 状态边界、参数取舍和关闭条件。
- 科技周边 · 人工智能 | 1小时前 | 440浏览 收藏
-
- PyTorch torch.compile 怎样读取 graph break 诊断信息
- PyTorch torch.compile 遇到 graph break 时，先用 eager 基线确认问题，再通过 TORCH_LOGS=graph_breaks 和 torch._dynamo.explain 读取位置、原因与断点数量，最后根据代码错误、暂不支持行为或函数隔离选择修复方向。
- 科技周边 · 人工智能 | 1小时前 | PyTorch torch.compile graph break TORCH_LOGS torch._dynamo.explain 426浏览 收藏
-
- JAX jit 怎样减少动态形状导致的重复编译
- JAX jit 的缓存键包含输入的 shape 和 dtype，动态批次、可变序列长度或静态参数变化都可能触发重新编译。本文从日志定位入手，用 padding、分桶和稳定函数定义减少重复编译，并说明持久化编译缓存的适用边界。
- 科技周边 · 人工智能 | 1小时前 | 177浏览 收藏
-
- OpenAI Responses API 怎样读取 reasoning summary
- Responses API 不会默认返回 reasoning summary。本文用 reasoning.summary 开启摘要，遍历 reasoning output item 读取 summary_text，并说明 effort、output_text 与模型支持差异。
- 科技周边 · 人工智能 | 1小时前 | 123浏览 收藏
-
- Transformers pipeline 怎样按批次处理文本并控制显存
- Transformers pipeline 支持列表、Dataset 和生成器输入。本文用文本分类场景说明如何设置 batch_size，解释 padding 与长文本造成的显存风险，并给出从小批次开始、同时记录吞吐和峰值显存的可回退配置方法。
- 科技周边 · 人工智能 | 1小时前 | 人工智能 · 显存 pipeline Transformers batch_size 批处理推理 218浏览 收藏
-
- Transformers decode 怎样关闭空格清理以保留解码文本
- Transformers decode 可用 clean_up_tokenization_spaces=False 停用额外空格清理。结合示例区分特殊 token 删除、后端解码与原文保存，给出展示和诊断场景的参数选择。
- 科技周边 · 人工智能 | 1小时前 | 435浏览 收藏
-
- Redis OBJECT ENCODING 怎样确认集合的底层编码
- Redis OBJECT ENCODING 用于读取指定键的内部编码。本文用最小命令区分 TYPE 与内部编码的职责，并说明如何结合 MEMORY USAGE 定位数据结构的内存差异。
- 数据库 · Redis | 2小时前 | 225浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案，代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景，打造一站式知识长龙服务，适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例，全面具体可落地，从理论到实践，一步一步将GO核心编程技术、编程思想、底层实现融会贯通，使学习者贴近时代脉搏，做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信：Le-studyg；在课程中，我们将首先介绍MySQL8的新特性，包括性能优化、安全增强、新数据类型等，帮助学生快速熟悉MySQL8的最新功能。接着，我们将深入解析MySQL的网络通信机制，包括协议、连接管理、数据传输等，让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网，分为导航，轮播，关于我们，成功案例，服务流程，团队介绍，数据部分，公司动态，底部信息等内容区块。网站整体采用CSSGrid布局，支持响应式，有流畅过渡和展现动画。
- 485次学习
-
- Golang深入理解GPM模型
- Golang深入理解GPM调度器模型及全场景分析，希望您看完这套视频有所收获；包括调度器的由来和分析、GMP模型简介、以及11个场景总结。
- 474次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集，涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用，助力提升NLP模型性能。
- 912次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台，提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能，助您快速选择最适合项目的高性能大语言模型。
- 919次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制，用户可对比不同大模型回答并生成实时排行榜，助力开发者优化模型及用户选择最佳AI工具。
- 999次使用
-
- HELM
- 深入了解斯坦福推出的HELM（Holistic Evaluation of Language Models）大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景，涵盖准确性、公平性、鲁棒性等多维度指标，助力开发者全面优化语言模型性能。
- 995次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台，提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景，助力开发者全面评估多模态模型性能。
- 815次使用
