小编说：Meteor作为开源的全栈JavaScript开发平台，在工作方式上进行了较大创新，和传统Web 应用区别较大，对于任何一项技术，都有其擅长的领域，也有其不擅长的地方，Meteor也不例外。本文选自《Meteor全栈开发》一书，我们在前面的文章中向您介绍了Meteor为何这么“快”，在本文中我们将深入探讨Meteor的工作原理以及优势弱势。1 　Meteor 的工作原理1....

推荐系统领域是深度学习落地最充分，产生商业价值最大的应用领域之一。一些最前沿的研究成果大多来自业界巨头的实践。从Facebook2014年提出的GBDT+LR组合模型引领特征工程模型化的方向开始，业界迎来了深度学习推荐系统应用的浪潮。本文将由简入深，细致讲解Facebook的深度学习推荐系统。本文内容节选自《深度学习推荐系统》一书。深度学习在推荐系统领域掀起了一场技术革命，本书是一本致力于提高一线

引言：自TensorFlow于2015年底正式开源，距今已有一年多，不久前，TensorFlow正式版也发布了。这期间TensorFlow不断给人以惊喜，推出了分布式版本，服务框架TensorFlowServing，可视化工具TensorFlow，上层封装TF.Learn，其他语言（Go、Java、Rust、Haskell）的绑定、Windows的支持、JIT编译器XLA、动态计算图框架Fo...

前 言1991年，Linux诞生了。又因为开放源代码的缘故，十几年来Linux是越来越火，熊熊火焰也烧到了华夏大地。诸多高校开始开设Linux相关的课程，诸多企业开始招聘Linux相关的人才。市面上关于Linux的书籍也层出不穷，而这其中大致分为两类，一类是应用方面的书籍，比如介绍如何组建各种服务器；另一类是内核方面的书籍，主要都是对内核源代码进行分析，这方面的书籍则以《Linux设备驱动程序》和

这本书完美融合价值和创新的软件架构选择，旨在让业务决策者和技术团队成员学会通过协作来清晰地理解自身在战略层面面临的问题，并确定理想的架构制定方法，无论该方法是分布式微服务、模块化良好的单体，还是介于两者之间的粗粒度服务。软件架构专家Vaughn Vernon和Tomasz Jaskuła展示了如何基于需求和目标做出平衡的架构决策，而非盲目跟风，从而聚焦于价值和创新，交付更具可演进性的系统，并避免代

由于一次模型训练过程通常包含多轮，因此，初始数据预热占用的同步时间在整个训练过程中的占比很低，而且本地缓存不受节点数量增加的影响，可以保证每个节点具有同等的吞吐性能。这样做效率更高，性能可提升数倍。不同的分布式并行技术对通信带宽的要求不同，因此，针对不同的硬件环境，需要选择最适合的分布式并行方案，并针对不同的数据量和模型特点做针对性的优化，从而达到最好的通信效率。还有一些需要关注的 I/O 问题，

据艾瑞咨询《2022年中国知识图谱行业研究报告》，知识图谱是二维链接的图结构而非行或列的表结构，需要以图数据的形式描述并存储，该方式能直接反映知识图谱的内部结构，有利于知识查询，并且结合图计算算法能够实现知识的深度挖掘与推理。在此背景下，图技术领域专家张晨博士基于近十多年来在图数据库技术领域的研究和实践经验，牵头编写了《图数据库：理论与实践》，为图技术爱好者提供一本即具备领域概括性、又具有专业深度

通过在openEuler中引入的异构内核管理，可以在CPU和NPU通过共享页表的方式实现统一编址，使得双方可以互用内存，达成内存“透明”扩容、超分，这样可以提升推理场景吞吐量提升50%，并极大的简化内存管理的需求成本，以往多套内存接口简化为一套，异构驱动代码也能从万行下降到百行。通用的配置语言，也可以用于打造开箱即用的定制能力，支持任意YAML字段定制，适配众多格式的上游软件，而且OS支持分层定制

深度学习伴随着大数据与云计算技术的崛起而快速发展起来，并在计算机视觉、语音等感知领域迅速取得成功。相对于传统机器学习，深度学习的算法设计更加灵活，可以显著提升针对感知类问题的效果。随着算力及分布式工程能力的进一步提升，深度学习的参数规模越来越大。可以说，参数越多，模型对知识的理解就越深刻。而深度学习模型也从传统的针对单一任务，比如文本识别、物品识别、语音识别等，向多任务处理发生转移，我们称这种一个

你的书架，由我承包这次双11也太可怕了吧！付两次尾款，收两波快递，吃两次土好端端的“吃土人”今年也晋升成了“吃圭人”不过别担心，就算是吃圭人博文菌也能帮你实现读书自由！回血赠书第六期联合11月书讯一起搞事情啦！活动将产生10位同学，可从书单中任选一本带回家，在你“剁手”之后，依然有满满福利等你领取~快拉上你的小伙伴们参与进来吧！本期书讯1 《人工智能：语音识别理解与实践》2 《TensorFlow