Հոդվածը ուսումնասիրում է դասական 0/1 Knapsack խնդրի ոչ սովորական իրականացումը PyTorch-ի օգնությամբ: Օգտագործելով շրջանակի թենզորային գործողությունները և ավտոմատ դիֆերենցման հնարավորությունները՝ հեղինակը ցույց է տալիս, թե ինչպես լուծել այս կոմբինատորային օպտիմալացման խնդիրը՝ օգտագործելով սահող պատուհանի մեթոդը և Հիրշբերգի ալգորիթմը՝ հիշողության արդյունավետության համար: Հրապարակումը տեխնիկական մանրամասներ է ներկայացնում այն մասին, թե ինչպես կարելի է PyTorch-ի հաշվարկային գրաֆը վերափոխել դինամիկ ծրագրավորման առաջադրանքների համար: Հեղինակը մանրամասնում է իրականացման քայլերը՝ կենտրոնանալով հիշողության օպտիմալացման և մեծ տվյալների հետ աշխատելիս կատարողականության վրա: Այս մոտեցումը հետաքրքիր օրինակ է այն ծրագրավորողների համար, ովքեր ցանկանում են օգտագործել մեքենայական ուսուցման գրադարանները ալգորիթմական խնդիրների լուծման համար: Տեխնիկական ուղեցույցը ներառում է կոդի հատվածներ և հիմքում ընկած տրամաբանության բացատրություններ՝ դարձնելով այն արժեքավոր ռեսուրս ալգորիթմական օպտիմալացմամբ հետաքրքրվողների համար:
This is a summary. Read the full article at the original source:
Hacker News (YC)Կապակցված
Մենք որոնել ենք 237 հետ կանչված ապրանք eBay-ում. 12,562 հայտարարություններից միայն 45-ն են նշել մոդելը
Ծրագրավորողներ @dronzer2code-ը և @soumyadeepdey-ը ներկայացրել են RecallDesk-ը՝ բաց կոդով գործիք, որը նախատեսված է վերավաճառքի խանութներին օգնելու համա…
Արհեստական բանականությունը ձեր հեշտ աշխատանքը դարձրեց անվճար. դա ձեզ ավելի արժեքավոր դարձրեց
Dev.to-ում հրապարակված հոդվածում Ջեյմս Անդերսոնը պնդում է, որ թեև արհեստական բանականությունը (ԱԲ) հեշտացրել է ծրագրավորման «հեշտ» 90%-ը, այն պարադոքսա…
Հեղինակը քննարկում է «գործակալների» կողմից կառավարվող կայքի պահպանման մարտահրավերները, որտեղ յուրաքանչյուր տեխնիկական պնդում ստուգվում է ավտոմատացված,…