Публикации по теме 'benchmark'


Приключения ржавчины - критерий
Приключения ржавчины - критерий Привет, ребята! Прошло много времени с тех пор, как я начал изучать ржавчину как цель на 2020 год. Для этого я использую платформу Exercism , чтобы учиться и практиковаться. Я напишу серию статей обо всем, что будет интересно, надеюсь, вам всем понравится. Проблема с обратной строкой Проблема с обратной строкой запрашивает очень простую задачу: получить строку и поменять местами символы. Вскоре я разработал простой код: Он прошел..

8 способов сделать линейную регрессию в Python — отслеживание и мультилинейная регрессия
В этой статье https://medium.freecodecamp.org/data-science-with-python-8-ways-to-do-linear-regression-and-measure-their-speed-b5577d75f8b обсуждаются линейные регрессии с использованием различных алгоритмов и ориентиры скорости. Это вдохновило меня посмотреть немного глубже и изучить другие варианты, которые не были перечислены. Вот мой вывод на Intel i7 2,8 ГГц В целом, это довольно похоже на исходный пост, но не совсем. Я добавил методы с использованием PyTorch для..

Производительность Node.js — Array.from Set против спреда Set
Вы когда-нибудь думали, какой подход использовать при работе с Set и вам нужно преобразовать его в массив. Лучше использовать Array.from(mySet} или просто [...mySet] ? Вам больше не нужно беспокоиться об этом, это почти то же самое. Все же имейте в виду, это всего лишь бенчмарк, проверенный на Node.js 12, с разной длиной массивов и содержащий примитивные значения. Тестовый файл можно найти в gist . А теперь собственно, какие результаты я получил: Что это значит? Это..

Рекомендации Google Brain и Нью-Йоркского университета касаются «сломанного» сравнительного анализа NLU
Новое исследование Google Brain и Нью-Йоркского университета утверждает, что текущие методы оценки для задач понимания естественного языка (NLU) не работают, и предлагает рекомендации, разработанные для получения лучших тестов NLU. Современные исследования NLU, как правило, сосредоточены на улучшении результатов на тестовых наборах данных, которые включают примерно независимое и идентично распределенное (IID) обучение, оценку и тестирование. Однако исследователи говорят, что такое..

Кортеж Python против именованного кортежа против словаря
В этом посте мы сравним производительность создания кортежей Python, именованных кортежей и словарей, а также использования данных из них. Обратите внимание, что кортежи и именованные кортежи - отличные варианты использования или варианты использования с однократным чтением и постоянным чтением, потому что они неизменяемы (есть некоторые подводные камни). В конце мы обсудим изменчивость. Я рассмотрю возможность добавления dataclass (Python 3.7+) в следующее редактирование...

bytes.Buffer снова.
Два года назад я написал пост о построении строк с помощью bytes.Buffer . Интересно, что изменилось за последние два года? Вот тесты, взятые из исходного сообщения. BenchmarkCopyKey-8 114 ns/op 31 B/op 1 allocs/op BenchmarkSimpleKey-8 141 ns/op 31 B/op 1 allocs/op BenchmarkSimpleMultilineKey-8 256 ns/op 63 B/op 4 allocs/op BenchmarkSprintfKey-8 392 ns/op 79 B/op 4 allocs/op BenchmarkJoinKey-8 156 ns/op 63..

Говоря контрфактически № 3: OpenAI GPT-3
Я предполагаю, что GPT-3 от OpenAI не нуждается в представлении. Выпущенный летом 2020 года, это бегемот на основе преобразователя со 175 миллиардами параметров, обеспечивающий современную производительность во многих задачах NLP. Таким образом, это очевидный выбор — попробовать и посмотреть, как он справляется с контрфактуальными условными предложениями. В отличие от DialoGPT и Blenderbot, GPT-3 не является моделью разговорного языка. Тем не менее, GPT-3 продемонстрировал высокие..