设计基于锁的并发数据结构的奥义就是，要确保先锁定合适的互斥，再访问数据，并尽可能缩短持锁时间。即使仅凭一个互斥来保护整个数据结构，其难度也不容忽视。我们在第3章已经分析过，需要保证不得访问在互斥锁保护范围以外的数据，且成员函数接口上不得存在固有的条件竞争。若针对数据结构中的各部分分别采用独立互斥，这两个问题就会互相混杂而恶化。另外，假使并发数据结构上的操作需要锁住多个互斥，则可能会引发死锁。所以，

其次，从检索前的查询构建、查询翻译、查询路由、索引优化，到检索后的重排与压缩，全面讲解了提高召回质量和内容相关性的方法；读者将跟随咖哥和小雪的脚步，踏上饶有趣味的Agent开发之旅，零距离接触GPT-4模型、OpenAI Assistants API、LangChain、LlamaIndex和MetaGPT等尖端技术，见证Agent在办公自动化、智能调度、知识整合以及检索增强生成（RAG）等领域的

六月，这个充满活力与希望的季节，三本重磅新书《深度学习：解锁智能未来的密钥》、《MCP极简开发：轻松打造高效智能体》与《大模型应用开发：RAG实战课》翩然而至，为我们开启了一场探索科技前沿的奇妙之旅。2. 内容全面：涵盖了LLM工程的多个关键领域，包括数据工程、RAG特征流水线、监督微调、偏好对齐微调、LLM评估和LLM部署等，为读者提供了系统全面的知识体系。3.技能提升，职场加速：特别适合职场人

Terraform是一种部署技术，任何想要通过基础设施即代码（Infrastructure as Code，IaC）方法来置备和管理基础设施的人，都可以使用这种技术。基础设施指的主要是基于云的基础设施，不过从技术上讲，任何能够通过应用程序编程接口（Application Programming Interface，API）进行控制的东西都可以算作基础设施。基础设施即代码是通过机器可读的定义文件来管

根据前面的介绍，NT内核会把操作系统的代码和数据映射到系统中所有进程的内核空间中。这样，每个进程内的应用程序代码便可以很方便地调用内核空间中的系统服务。这里的“很方便”有多层含义，一方面是内核代码和用户代码在一个地址空间中，应用程序调用系统服务时不需要切换地址空间，另一方面是整个系统中内核空间的地址是统一的，编写内核空间的代码时会简单很多。但是，如此设计也带来一个很大的问题，那就是用户空间中的程序

随着NLP技术的发展，信息流和计算能力也不断增强。我们现在只需在搜索栏中输入几个字符，就可以检索出完成任务所需的准确信息。搜索提供的前几个自动补全选项通常非常合适，以至于让我们感觉是有一个人在帮助我们进行搜索。到底是什么推动了NLP的发展？是对不断扩大的非结构化Web数据有了新的认识吗？是处理能力的提高跟上了研究人员的思路吗？是用人类语言与机器互动的效率得到提升了吗？实际上以上这些都是，其实还有更

解决西瓜书难题的书来了，最近周志华《机器学习》伴侣书《机器学习公式详解》，一站式解决机器学习中的数学难题。机器学习公式详解人工智能领域中文的开山之作、周志华“西瓜书”《机器学习》伴侣书，Datawhale开源协作学习笔记“南瓜书”，机器学习初学小白提升数学基础能力的练习书！这本书是周志华教授的“西瓜书”——《机器学习》的伴侣书，它也有一个可爱的名字——“南瓜书”，“南瓜书”中的公式对“西瓜书”中的

从概念上讲，我们可以将的基本学习任务分为 5 个不同的方向：（1）方法；（2）图神经网络的理论理解；（3）图神经网络的可扩展性；（4）图神经网络 的可解释性；（5）图神经网络的对抗鲁棒性。图神经网络方法。图神经网络是专门设计的用于在图结构数据上进行操作的神经网络 架构。图神经网络的目标是通过聚合邻居节点的表征及其在前一次迭代中的表征来迭代更 新节点表征。目前已有多种图神经网络被提出（Kipf an

为什么用PyTorch通过将模型应用到例证，深度学习允许我们执行很多复杂任务，如机器翻译、玩战略游戏以及在杂乱无章的场景中识别物体等。为了在实践中做到这一点，我们需要灵活且高效的工具，以便能够适用于这些复杂任务，能够在合理的时间内对大量数据进行训练。我们需要已被训练过的模型在输入变量变化的情况下正确执行。接下来看看我们决定使用PyTorch的一些原因。PyTorch很容易被推广，因为它很简单。许多

在本章中，我们将介绍以下主题：下载并配置图像数据集；学习CNN分类器的架构；使用函数初始化权重和偏差；使用函数创建一个新的卷积层；使用函数扁平化密集连接层；定义占位符变量；创建第一个卷积层；创建第二个卷积层；扁平化第二个卷积层；创建第一个完全连接的层；将dropout应用于第一个完全连接层；创建第二个带有dropout的完全连接层；应用Softm...