以上只是简要列举了一些常见方法，实际上每个组件提供的方法非常丰富，覆盖了网络通信的各种需求，包括但不限于连接管理、数据读写、错误处理、定时任务调度等。Dubbo、zk、RocketMQ、ElasticSearch、Spring5(对HTTP协议的实现)、GRPC、Spark等大型开源项目都在使用Netty作为底层通讯框架。（感觉只要知道他是提高通讯效率的就行了）总之，任何需要进行高效网络通信、处理

这些软件都是只能作为模型图的辅助，更常见的模型组合型的图还是要ppt来画了，或许还有visio

问题为什么 知识蒸馏 和 源目标对准 可以弥补在诸如神经计算机翻译（NMT），自动语音识别（ASR）以及语音文字（TTS）等任务中的 AR 和 NAR 准确率的差距（AR 准确率大于NAR 准确率），但是其他任务中不行？解决对策AR 和 NAR 模型之间的主要区别是 NAR 模型不使用目标标记之间的依赖性，知识蒸馏减少了在目标序列中目标标记的依赖性，所以提高了 NAR 模型的准确性。源目标对齐约束

看到一个喜欢的项目点watch，接收all activate然后你就可以在未读中找到你关注的项目

【黑马程序员数据库】数据库基础大总结