Latex公式内容中字母之间空隙过大

将Diffset(new\_S)=Diffse(S_2)-Diffset(S_1). 改为\mathit{Diffset}(new\_S)=\mathit{Diffset}(S_2)-\mathit{

基于pg_qualstats和hypopg的自动索引调优

pg-qualstats的安装和配置 1.安装pg-qualstats sudo apt install postgresql-10-pg-qualstats   2.将pg_qualstats和

Latex快速注释掉多行

最简单的方法就是选中你想要注释掉的内容，同时按住Ctrl+Alt+Shift+→

Latex 特殊符号书写

我们可以使用如下的包进行符号的书写。 \usepackage{amsfonts} 或则 \usepackage{amssymb} 然后在正文中使用方式如下： $\mathbb{set}$ 效果如下：

latex 表格每行设置不同字体

Each cell of a table is set in a box, so that a change of font style (or whatever) only lasts to the

tensorflow源码解析系列文章索引

文章索引 framework解析 resource allocator tensor op node kernel graph device function shape_inference 拾遗

tensorflow源码解析之common_runtime-executor-下

目录 核心概念 executor.h Executor NewLocalExecutor ExecutorBarrier executor.cc structs GraphView Exec

Caffe2源码解析

写在前面 上一篇文章对Caffe2中的core模块进行了简单拆解Caffe2源码解析之core，本篇给出其它模块的拆解，目的是大致了解每个模块的内容和目标，进一步理解Caffe2的整体框架。内容不多，

tensorflow源码解析之framework拾遗

把framework中剩余的内容，按照文件名进行了简单解析。时间原因写的很仓促，算是占个坑，后面有了新的理解再来补充。 allocation_description.proto 一个对单次内存分配结果

AutoML论文调研

AutoLearn - Automated Feature Generation and Selection - 2017 ICDM 核心思想： 用特征之间两两回归的方法，发现相关特征的额外信息。

Caffe2源码解析之core

写在前面 在对Tensorflow的后端源码进行了拆解（参见tensorflow源码解析系列文章索引）之后，很想跟其它深度学习框架的实现进行对比，根据框架的流行程度，先选择了Pytorch。Pytor

mxnet源码阅读笔记之include

写在前面 mxnet代码的规范性比Caffe2要好，看起来核心代码量也小很多，但由于对dmlc其它库的依赖太强，代码的独立性并不好。依赖的第三方库包括： cub dlpack dmlc-core go

Control Flow in Tensorflow TF中的控制流解析

写在前面 本文翻译自Tensorflow团队的文章Tensorflow Control Flow Implementation，部分内容加入了笔者自己的理解，如有不妥之处还望各位指教。 目录 概览

tensorflow源码解析之common_runtime拾遗

把common_runtime中剩余的内容，按照文件名排序进行了简单的解析，时间原因写的很仓促，算是占个坑，后续有了新的理解再来补充。 allocator_retry 有时候内存分配不可能一次完成，为

dopamine源码解析之dqn_agent

目录 epsilon函数 DQNAgent构造函数核心参数 DQNAgent核心函数 tf.make_template 核心数据流图 epsilon函数 linearly_decaying_eps