现有版本(v2.17.4）存在一个问题，点击保存按钮之后只会发送一条测试消息，但此时青龙面板中部署的代码仍然不能正确发送通知，查询代码之后发现需要通过配置名为FSKEY的环境变量，才能正确启动发送逻辑。生成的webhook可以通过post请求将内容转发到对应的群聊中，这一点与直接使用飞书创建机器人编写Event的方法不同，不需要一台可以公网访问的服务器，也即将服务器部署在局域网中即可。接上篇文章，

本题利用的是贪心算法

经过搜索发现，现在的pytorch已经修复了这一问题，提供了mv()和matmul()两种方式实现矩阵和一维向量的乘积，可以参看这篇。再再接上文，看到作者有一个关于向量乘矩阵的描述。

记录一下上述代码，体现了隐含层和输出层的权重为全0时的结果，可惜奇怪的是李沐的例子中权重改为全0仍然能够成功训练，目前还不知道为什么。

PyTorch 会在后台管理内存池（memory pool）。当你删除或覆盖一个变量时，PyTorch 并不会立即将这块内存归还给操作系统，而是将其加入到缓存中，以便后续再分配给其他变量。这样，后续的内存分配可以直接从缓存中拿到空闲内存，从而避免了频繁的内存分配和释放，提升了程序的性能。经过ptrblck大神的解答，似乎是pytorch中有缓存的策略，可以将变量使用到的内存留在缓存池中重复使用。这

笔者在学习RISC-V时，希望找到一款可视化的内存工具，遗憾目前还未找到。发现了pythontutor这个网站，可以对C++、python等多种语言进行内存可视化。结果似乎是x86架构的，符合小端存储。在Github上找到了一个古早的版本（2018年最终改动），准备添加RISC-V后端，不知道能否成功。，原准备依据开源版本进行RISC-V后端开发，根据网站上的。，似乎该网站所用的当前版本不再开源了

常用的pytorch计算环境是包含GPU在内的异构计算环境，因此内存的计算分为CPU内存的计算和GPU内存的计算。

（注意此处是需要添加消息的账号，例如我有一个账号A，但是常用账号是B，这样最终效果就是在保持B账号登录的情况下如果账号A收到了新消息，账号B就会收到机器人的消息提醒。事情的起因是飞书中不同的账号不能同时登录，虽然可以在飞书的账号切换页面看到其他账号下是否有消息提醒（小红点），但是无法实现提醒功能，很不优雅，因此本文尝试提出一种新的方式实现不同账号之间的提醒功能共享。经过调查发现，飞书中可以通过自定

此支持需要对微信开发者工具进行能力开放，在follow了官方文档之后，出现了如下报错，看起来是windows对jest脚本的权限进行了限制，笔者并没有再继续研究，感兴趣的同学可以继续探索并在评论区回复。笔者在开发微信小程序时发现，由于IDE的闭源和扩展的限制，笔者在调研生态时发现了微信官方文档中有对自动化测试的支持，使用到的是Facebook的jest测试框架，链接。微信的生态太乱了，开源的东西太

可以从这个角度来区分：Strong Scaling在扩展时是壮壮的，即使增加负载，也不需要调整机器。Weak Scaling在扩展时是弱弱的，如果要增加负载，也要同步增加机器。Weak的目的是为了保证当前的负载均衡性一致的情况下比较不同数量机器的并行效果。Strong的目的是为了知道当前的机器所能够提供的最大并行能力。