Py关键词检索结果

depyf:为机器学习研究人员打开PyTorch编译器的不透明盒子

depyf: Open the Opaque Box of PyTorch Compiler for Machine Learning Researchers

PyTorch \texttt{2.x} 引入了一个旨在加速深度学习程序的编译器。然而,对于机器学习研究人员来说,充分发挥 PyTorch 编译器的潜力可能具有挑战性。编译器在 Python 字节码级别运行,使其看起来像一个不透明的盒子。为了解决这个问题,我们引入了 \texttt{depyf},这是一个旨在揭开 PyTorch 编译器内部工作原理的工具。 \texttt{depyf} 将 PyTorch 生成的字节码反编译回等效的源代码,并在内存中的代码对象与其磁盘上的源代码之间建立连接...

优化 PyTorch 解码器模型中的令牌生成

Optimizing Token Generation in PyTorch Decoder Models

通过 CUDA 流交错隐藏主机设备同步这篇文章《优化 PyTorch 解码器模型中的令牌生成》首先出现在《走向数据科学》上。

您应该使用的 5 个 Python 数据验证库

5 Python Data Validation Libraries You Should Be Using

这五个库从非常不同的角度进行验证,这正是它们重要的原因。每个问题都解决了现代数据和机器学习工作流程中反复出现的一类特定问题。

Monty Python 搞错了:939 具骷髅挑战中世纪疾病神话

Monty Python Got It Wrong: 939 Skeletons Challenge Medieval Disease Myths

麻风病在中世纪的欧洲带有强烈的耻辱感,但来自丹麦墓地的新骨骼证据表明,病人在死亡时并不总是被推到一边。在中世纪的丹麦,埋葬地点反映了社会地位。有能力支付费用的家庭会支付靠近教堂的坟墓的费用,那里的墓地被认为更有声望,因此也更昂贵。研究人员 [...]

面向 Pandas 用户的 PySpark

PySpark for Pandas Users

常见的 Pandas 操作及其在 PySpark 中的等效操作面向 Pandas 用户的 PySpark 帖子首先出现在 Towards Data Science 上。

从凌乱到干净:轻松进行数据预处理的 8 个 Python 技巧

From Messy to Clean: 8 Python Tricks for Effortless Data Preprocessing

8 个 Python 技巧,可轻松将原始、混乱的数据转化为干净、整洁的预处理数据。

综合分类学揭示了 Acanthogonatuscentralis Goloboff 内的一个新谱系(Araneae、Mygalomorphae、Pycnothelidae):Acanthogonatus monicae sp. 的描述。十一月来自阿根廷中部

Integrative taxonomy unveils a new lineage within Acanthogonatus centralis Goloboff, 1995 (Araneae, Mygalomorphae, Pycnothelidae): description of Acanthogonatus monicae sp. nov. from central Argentina

综合分类学揭示了 Acanthogonatuscentralis Goloboff 内的一个新谱系(Araneae、Mygalomorphae、Pycnothelidae):Acanthogonatus monicae sp. 的描述。十一月来自阿根廷中部摘要描述和说明了1917年来自阿根廷科尔多瓦潘皮亚山脉的Pycnothelidae Chamberlin新种:Acanthogonatus monicae sp。十一月在这里,我们结合了形态学分析、基于 COI 基因的分子系统发育、物种界定方法(bPTP、ABGD)和生态位建模。这些方法一致支持先前分配给 A.centralis Golobo

用 Python 实现贪吃蛇游戏

Implementing the Snake Game in Python

从头开始构建贪吃蛇游戏的简单分步指南《用 Python 实现贪吃蛇游戏》一文首先出现在《走向数据科学》上。

使用 Python、Parquet 和 DuckDB 构建现代数据分析堆栈

Building Your Modern Data Analytics Stack with Python, Parquet, and DuckDB

现代数据分析不一定很复杂。了解 Python、Parquet 和 DuckDB 在实践中如何协同工作。

5 个有用的 Python 脚本来自动执行无聊的文件任务

5 Useful Python Scripts to Automate Boring File Tasks

厌倦了筛选臃肿的文件夹、等待手动转换或不太了解驱动器上的内容?这些 Python 脚本可以处理文件繁琐的工作,因此您不必这样做。

查找和修复数据问题的 7 个 Python EDA 技巧

7 Python EDA Tricks to Find and Fix Data Issues

7 个适用于早期探索性数据分析 (EDA) 的 Python 技巧,用于识别和处理各种数据质量问题。

为什么我的代码这么慢? Py-Spy Python 分析指南

Why Is My Code So Slow? A Guide to Py-Spy Python Profiling

停止猜测并开始使用 Py-Spy 诊断性能问题这篇文章《为什么我的代码这么慢?》 《Py-Spy Python 分析指南》首先出现在《Towards Data Science》上。

在 Python 中处理十亿行数据集(使用 Vaex)

Working with Billion-Row Datasets in Python (Using Vaex)

使用 Vaex 在 Python 中分析十亿行数据集。了解核外处理、惰性求值和内存映射如何实现大规模快速分析。

使用 Python 和 Turtle 创建 Etch A Sketch 应用程序

Creating an Etch A Sketch App Using Python and Turtle

适合初学者的 Python 教程使用 Python 和 Turtle 创建 Etch A Sketch 应用程序一文首先出现在 Towards Data Science 上。

我抛弃了鼠标:如何用手势控制我的电脑(60 行 Python 代码)

I Ditched My Mouse: How I Control My Computer With Hand Gestures (In 60 Lines of Python)

使用 OpenCV 和 MediaPipe 构建“少数派报告”式界面的分步指南《我抛弃了鼠标:如何用手势控制我的计算机(用 60 行 Python 代码)》一文首先出现在《走向数据科学》上。

管理 Python 项目中的机密和 API 密钥(.env 指南)

Managing Secrets and API Keys in Python Projects (.env Guide)

如果您在 Python 中使用 API 密钥,则需要一种安全的方式来存储它们。本指南介绍了七种适合初学者的使用 .env 文件管理机密的技术。

用于可扩展特征工程的 7 个不为人知的 Python 库

7 Under-the-Radar Python Libraries for Scalable Feature Engineering

本文列出了 7 个不为人所知的 Python 库,它们大规模地突破了特征工程流程的界限。

用于解析日期和时间的 5 个有用的 DIY Python 函数

5 Useful DIY Python Functions for Parsing Dates and Times

日期和时间不应该破坏您的代码,但它们经常会破坏您的代码。这五个 DIY Python 函数有助于将现实世界的日期和时间转化为干净、可用的数据。