這是乙個基於python的科學計算軟體包，針對兩組受眾：
numpy的替代品，可以使用gpu的強大功能
深入學習研究平台，提供最大的靈活性和速度
入門張量
張量與numpy的ndarray類似，另外還有tensors也可用於gpu以加速計算。
from __future__ import print_function
import torch
宣告了未初始化的矩陣，但在使用之前不包含明確的已知值。建立未初始化的矩陣時，當時分配的記憶體中的任何值都將顯示為初始值。
構造乙個未初始化的5x3矩陣：
x = torch.empty(5, 3)
print(x)
tensor([[0., 0., 0.],構造乙個隨機初始化的矩陣：[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.]])
x = torch.rand(5, 3)
print(x)
tensor([[0.6259, 0.0797, 0.8297],[0.6732, 0.7944, 0.2363],
[0.6775, 0.2497, 0.3846],
[0.8515, 0.5171, 0.6957],
[0.7759, 0.6000, 0.1323]])
x = torch.zeros(5, 3, dtype=torch.long)
print(x)
tensor([[0, 0, 0],[0, 0, 0],
[0, 0, 0],
[0, 0, 0],
[0, 0, 0]])
x = torch.tensor([5.5, 3])
print(x)
或者根據現有的張量建立張量。除非使用者提供新值，否則這些方法將重用來輸入張量的屬性，例如dtype
x = x.new_ones(5, 3, dtype=torch.double) # new_* methods take in sizes
print(x)
x = torch.randn_like(x, dtype=torch.float) # override dtype!
print(x) # result has the same size
tensor([[1., 1., 1.],得到它的大小：[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.]], dtype=torch.float64) tensor([[ 0.5955, -0.2528, -0.2648],
[ 0.7689, 0.2396, -0.0121],
[ 1.3478, 0.0460, 0.0255],
[ 0.1266, -1.1526, -0.5546],
[-0.2001, -0.0542, -0.6439]])
print(x.size())torch.size([5, 3])torch.size 實際上是乙個元組，因此它支援所有元組操作。操作有多種語法。在下面的示例中，我們將檢視新增操作。
y = torch.rand(5, 3)
print(x + y)
tensor([[ 1.1550, 0.5950, -0.0519],增加[ 1.3954, 0.9232, 0.8904],
[ 1.7020, 0.8187, 0.0265],
[ 0.3831, -0.6057, -0.2829],
[ 0.5647, 0.5976, 0.1128]])
print(torch.add(x, y))提供輸出張量作為引數tensor([[ 1.1550, 0.5950, -0.0519],[ 1.3954, 0.9232, 0.8904],
[ 1.7020, 0.8187, 0.0265],
[ 0.3831, -0.6057, -0.2829],
[ 0.5647, 0.5976, 0.1128]])
result = torch.empty(5, 3)
torch.add(x, y, out=result)
print(result)
tensor([[ 1.1550, 0.5950, -0.0519],[ 1.3954, 0.9232, 0.8904],
[ 1.7020, 0.8187, 0.0265],
[ 0.3831, -0.6057, -0.2829],
[ 0.5647, 0.5976, 0.1128]])
y.add_(x)
print(y)
[ 1.3954, 0.9232, 0.8904],
[ 1.7020, 0.8187, 0.0265],
[ 0.3831, -0.6057, -0.2829],
[ 0.5647, 0.5976, 0.1128]])
注意任何使原位張量變形的操作都是用_。後固定的。例如：x.copy_(y)，x.t_()，將改變x。可以使用標準的numpy索引
print(x[:, 1])tensor([-0.2528, 0.2396, 0.0460, -1.1526, -0.0542])調整大小：如果要調整張量/重塑張量，可以使用torch.view：
x = torch.randn(4, 4)
y = x.view(16)
z = x.view(-1, 8) # the size -1 is inferred from other dimensions
print(x.size(), y.size(), z.size())
torch.size([4, 4]) torch.size([16]) torch.size([2, 8])
x = torch.randn(1)
print(x)
print(x.item())
tensor([-0.8748])-0.8748161792755127
Speedle五分鐘入門
speedle是乙個非常強大的企業級許可權管理方案。不同於傳統企業級應用，speedle簡單易學。使用者可以在5分鐘之內編譯，部署，和簡單使用speedle。第一步 編譯 先安裝go編譯器，安裝檔案在 設定gopath環境變數 執行如下命令 spctl speedle ads speedle pms...
5分鐘入門golang module
golang團隊在版本1.13及以後全面支援module機制，用於結束混亂複雜的專案管理機制。同學們可以簡單的將module機制理解成pip apt get等包管理工具。乙個專案 倉庫 包括多個module 模組 乙個模組包括多個package 包 而乙個包含多個 原始檔。簡單的說，在乙個modul...
5分鐘入門Lindorm SearchIndex
簡介 searchindex是lindorm寬表的二級索引，主要用來幫助業務實現快速的檢索分析。本篇文章介紹如何通過簡單的sql介面操作searchindex。lindorm對外提供統一的標準sql入口，可以讓開發人員快速上手，輕鬆運維海量資料。searchindex是lindorm寬表的二級索引，...