目录背景介绍编译架构代码分析FindCUDA.cmakrun_nvcc.cmake背景介绍本文基于pytorch 1.7 分析它是如何扩展cmake编译脚本，支持使用nvidia的cuda sdk编译cuda cu 源代码的原理编译架构pytorch CUDA编译扩展架构图从上图可以看到，CMakeLists.txt中使用了扩展的API cuda_add_library/cuda_add_exec

问题概述当为Activity设置了android:windowIsTranslucent=true的style属性后, 该Activity会变成一个透明窗口, 随之而来的问题是Activity的退出动画会不生效了, 哪怕在finish回调中使用类似下面的代码为Activity配置自定义进入/退出动画也无效 public void finish() {super.fini...

WestonWeston是Wayland compositor的参考实现，广泛应用与AGL和GENIVI 车机Linux系统，各个版本的weston代码可以在https://github.com/wayland-project/weston找到，架构设计分析可以参考文章https://blog.csdn.net/fyh2003/article/details/49253713，本文旨在分...

目录Apollo Software Architecture OverviewWhy Apollo is not goodDive into Apollo3.0 DreamviewApollo Software Architecture OverviewApollo 3.5 Software ArchitectureCyber Framework is a collect...

目录背景目标核心方法前向传播反向传播结论背景深度学习框架如Tensorflow Pytorch 等最重要的功能之一即自动对网络模型进行了前向传播和反向梯度传播计算，从而对应用开发人员屏蔽了底层算法实现的细节，很容易进行网络模型的training、evalution、testing 最终构建符合AI应用场景需求的网络模型及其参数，本文旨在用通俗易懂的方式解释前向传播（Forward Pass）和反向

目录背景目标核心方法前向传播反向传播结论背景深度学习框架如Tensorflow Pytorch 等最重要的功能之一即自动对网络模型进行了前向传播和反向梯度传播计算，从而对应用开发人员屏蔽了底层算法实现的细节，很容易进行网络模型的training、evalution、testing 最终构建符合AI应用场景需求的网络模型及其参数，本文旨在用通俗易懂的方式解释前向传播（Forward Pass）和反向

概述深度学习模型中费时的算子是往往是卷积操作，而卷积的本质是矩阵的乘加计算，所以通过硬件加速矩阵的乘加运算就能达到加速深度学习训练与推理的目标；本文旨在形象化的解释Google TPU与Nvidia TensorCore对矩阵乘加的加速过程Nvidia TensorCoreNV TensorCore 加速矩阵乘加运算示意图Nvidia官方给出的TensorCore 加速矩阵...

​QWen3 / QWen3-Next 是阿里巴巴最新的通义千问系列大模型，本文从模型参数，模型结构和计算流三个维度，展示它们的异同点

目录背景目标核心方法前向传播反向传播结论背景深度学习框架如Tensorflow Pytorch 等最重要的功能之一即自动对网络模型进行了前向传播和反向梯度传播计算，从而对应用开发人员屏蔽了底层算法实现的细节，很容易进行网络模型的training、evalution、testing 最终构建符合AI应用场景需求的网络模型及其参数，本文旨在用通俗易懂的方式解释前向传播（Forward Pass）和反向

目录​​​​​​​为什么ROS适合做自动驾驶系统开发自动驾驶对系统框架的需求ROS 高效的开发支持ROS 模块灵活配置ROS 丰富的调试工具Autoware 自动驾驶方案Demo ShowROS的缺点和演进为什么ROS适合做自动驾驶系统开发自动驾驶对系统框架的需求高效的开发支持模块的灵活配置丰富的调试工具By 何玮 百度自动驾驶资深架构师 专...