- 综合排序
- 最热优先
- 最新优先
- 来自专栏hrscy
为 VR 优化UE 4渲染器
首发于游戏蛮牛驿馆 ---- 为了《Farlands》游戏， Oculus 团队为UE 4开发了一个快速，单通道正向的渲染器。 它让我们更容易地创造出高保真、高性能的体验，我们渴望与所有UE4开发者分享它。 我们想研究哪些我们最常用的功能，看看我们是否能够设计一个精简的渲染器，能够提供更高性能和强大的视觉效果，同时让团队继续使用UE 4 的世界编辑器和引擎。 在实际中，切换到一个渲染器帮助我们在单一通道里提供一个更有限的功能集，取得了更好的 GPU 利用率，优化，去除了带宽开销，并使它可以更容易为我们达到90Hz。 可视化的3D 光网格，说明了光照的相干性和剔除操作 除了渲染，我们已经修改了 UE4，允许进一步的CPU 和 GPU的优化。
1.5K30发布于 2018-08-30 - 来自专栏友儿
4种方式优化服务器，可以提高PHP性能
服务器是提供计算服务的设备，具有承担服务和保障服务的能力，一般来说在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面的要求较高。 PHP是一种在服务器端执行的嵌入HTML文档的脚本语言，因此服务器的功能关乎到PHP的性能。那么，如何优化服务器来提高PHP性能呢？服务器的运行速度提升了，PHP性能自然也会相应地增强。 接下来，小编就跟大家介绍一下4种优化服务器的方式，希望对大家有所帮助： 1、使用内存数据库 内存数据库，就是将数据放在内存中直接操作的数据库。 3、使用SSD 不仅要优化内存，还可以优化磁盘。SSD（固态磁盘）具有快速读写、质量轻、能耗低以及体积小等特点，有条件的公司可以使用SSD来代替机械硬盘。 4、优化数据库 数据量的不断增加，数据库的访问速度也会越来越慢，这时候就需要提升请求处理速度，改变原来的单表。
83610编辑于 2022-09-11 - 来自专栏河湾欢儿的专栏
4.页面优化
为什么要优化？ 优化的好处 1.提升网页响应速度 2.有利于搜索引擎搜索 3.对后期维护比较方便 怎么优化？ 1.减少请求 2.减少文件的大小 3.页面性能 4.可读性、维护性 1.图片合并 2.css文件合并 （多个css文件合并为一个、少量的行内样式、避免import的方式引入文件） 3.减少图片的大小 （选择合适的图片格式） 4.css值缩写 5.0px 中px省略 0% 0 0.5可以写成.5 6.选择器合并 7.link标签引入样式放到head标签中 8.js脚本建议放在底部，等页面加载完之后再处理 js 9.把不需要的标签去掉 10.选择器的长度 #nav ul li a{} 影响查找的性能 11.避免耗性能的属性 比如说css3中的渐变 12.img设置宽高的时候应该和实际的宽高一致 ，大家试着说一下怎么优化？
51220发布于 2018-09-06 - 来自专栏技术杂记
Mysql 优化存储4
优化脚本 一般此过程会非常漫长，可以写一个脚本来后台运行，或简单的控制一下IO [hunter@opti-slave ~]$ cat opti.bash #! opti.bash >> /path/to/optimize.log 2>&1 & 通过监控 optimize.log 来判断执行完成状态 也可以通过查看监控，IOPS很能反映问题 ---- 恢复备份 优化完成后 ，立刻恢复备份 start slave; 通过对比前后数据文件大小，可以明显看到优化效果 一般少也能缩减5%的空间，平均在10%左右，我自己经历最明显效果的是减少了32%的空间，对于一个大库来说，能节省不少磁盘空间 ，并且对查询性能也有一定优化效果 ---- 命令汇总 pt-table-checksum --nocheck-replication-filters --nocheck-binlog-format --
41620编辑于 2022-03-21 - 来自专栏Java 汇总
4.Mysql 优化
1.ORDER BY的优化 某些情况下，MySQL使用索引排序，尽量避免使用 filesort 即使ORDER BY与索引不完全匹配，也可以使用索引，只要索引的未使用部分和额外的 如果是这样，优化器可能不使用索引。如果SELECT*只选择索引列，则使用索引并避免排序。 * FROM t1 WHERE key_part1 = constantORDER BY key_part2; ---- 假设 key_part1不是索引或索引的一部分，在条件中作为常量条件存在，则优化器也会使用索引 为了获得文件排序操作的内存，从MySQL8.0.12开始，优化器会根据需要递增地分配内存缓冲区，直到达到sort_buffer_size系统变量指定的大小，而不是像MySQL8.0.12之前那样预先分配固定数量的
1K20发布于 2020-10-29 - 来自专栏机器之心
LLaMA微调显存需求减半，清华提出4比特优化器
近日，清华大学朱军、陈键飞团队提出了用于神经网络训练的 4 比特优化器，节省了模型训练的内存开销，同时能达到与全精度优化器相当的准确率。 本文在基础上，将优化器状态的数值精度进一步降低至 4 比特，提出了针对不同优化器状态的量化方法，最终提出了 4 比特 AdamW 优化器。 本文在众多经典的任务上对 4 比特优化器进行了评估，包括自然语言理解、图像分类、机器翻译和大模型的指令微调。 在所有的任务上，4 比特优化器达到了与全精度优化器可比的效果，同时能够占用更少的内存。 可以看到，在所有的微调任务上，包括 NLU，QA，NLG，4 比特优化器可以匹配甚至超过 32 比特 AdamW，同时在所有的预训练任务上，CLS，MT，4 比特优化器达到与全精度可比的水平。 比特优化器，只需要将原有的优化器替换为 4 比特优化器即可，目前支持 Adam 和 SGD 的低精度版本。
92930编辑于 2023-09-19 - 来自专栏数据库与编程
查询优化器概念—查询优化器介绍
如何调优 Oracle SQL系列文章第四篇：查询优化器概念之查询优化器介绍。 第一篇：SQL调优系列文章之—SQL调优简介 第二篇：SQL调优系列文章之—SQL性能方法论 第三篇：查询优化器基础知识—SQL语句处理过程 4 查询优化器概念 本章描述了与查询优化器相关的最重要的概念 4.1 查询优化器介绍 查询优化器（简称为优化器）是内置数据库软件，用于确定 SQL 语句访问请求数据的最有效方法。 4.1.1 查询优化器的用途 优化程序尝试为 SQL 语句生成最佳执行计划。 出于这个原因，优化器有时被称为基于成本的优化器（CBO），以将其与基于规则的优化器（RBO）进行对比。 注意： 优化程序可能不会从一个版本的Oracle数据库到下一个版本做出相同的决策。 图4-1 执行计划 4.1.3.1 查询块 优化器的输入是 SQL 语句的解析表示。 原始 SQL 语句中的每个 SELECT 块由查询块在内部表示。 查询块可以是顶级语句，子查询或未合并视图。
2.1K20编辑于 2022-04-24 - 来自专栏数据库与编程
查询优化器概念：关于优化器组件
本篇是如何调优 Oracle SQL系列文章第五篇：查询优化器概念之关于优化器组件。 优化器包含：查询转换器（Query Transformer）、估算器（Estimator）和执行计划生成器（Plan Generator）三个组件。 一组查询块表示已分析的查询，它是优化器的输入。 下表描述了优化器操作。 序号 操作 描述 1 Query Transformer 优化程序确定更改查询形式是否有帮助，以便优化程序可以生成更好的执行计划。 2.3 Cost（成本） 优化器成本模型负责预测查询将使用的机器资源。 成本是一个内部数字度量，表示计划的估计资源使用量。成本是特定于优化器环境中的查询的。 优化器选择成本最低的计划。 下图显示优化器测试输入查询的不同计划。
2K50编辑于 2022-04-24 - 来自专栏mathor
枚举+优化（4）——哈希表优化实例2
例3.四平方和 思路1：枚举abcd，判断a^2^+b^2^+c^2^+d^2^是否等于N 分析规模 a：0 ~ sqrt(500000 / 4) b：0 ~ sqrt(500000 / 3 font color = red>经验：1秒=10^8^ 思路2：枚举abc，判断N-a^2^-b^2^-c^2^是不是完全平方数 分析规模 a：0 ~ sqrt(500000 / 4) * d) == f.end()) f[c * c + d * d] = c; //枚举a，b的值 for(int a = 0;a * a <= n / 4; << c << " " << d << endl; return 0; } } } return 0; } 例4. ; return 0; } 第一次作业 先说说的思路，当时看到这题有点懵，可能还是对哈希算法掌握的不够，怎么都想不到用哈希的方法去做，索性先写了个O(N^2^)的两重循环，想着这几天学的优化
82950发布于 2018-06-08 - 来自专栏编译器开发
llvm入门教程-Kaleidoscope前端-4-JIT和优化器支持
Kaleidoscope：添加JIT和优化器支持 第四章绪论 欢迎阅读“使用LLVM实现语言”教程的第4章。第1-3章描述了简单语言的实现，并添加了对生成LLVM IR的支持。 本章介绍两种新技术：向语言添加优化器支持和添加JIT编译器支持。这些新增内容将演示如何为Kaleidoscope语言获得漂亮、高效的代码。 琐碎的常数折叠 我们在第3章中的演示是优雅的，并且易于扩展。 LLVM允许编译器实现者完全决定使用什么优化、以什么顺序和在什么情况下使用。 如果我们想要创建一个“静态Kaleidoscope编译器”，我们将完全使用现在拥有的代码，只是我们将推迟运行优化器，直到解析完整个文件。 这就完成了Kaleidoscope教程的JIT和优化器一章。在这一点上，我们可以编译一种非图灵完全的编程语言，并以用户驱动的方式对其进行优化和JIT编译。
1.2K30编辑于 2021-12-09 - 来自专栏python前行者
优化器Optimizer
深度学习常见的是对于梯度的优化，也就是说，优化器最后其实就是各种对于梯度下降算法的优化。 理论部分可以见斯坦福深度学习的课程。 这里推荐一个博客，总结了这些优化器的原理以及性能，写的挺好的：An overview of gradient descent optimazation algorithms 从其中讲几个比较常用的，其他的可以自己去看文档 MomentumOptimizer AdamOptimizer FtrlOptimizer RMSPropOptimizer 常用的optimizer类 tf.train.Optimizer 优化器 2.速度更快 tf.train.GradientDescentOptimizer 这个类是实现梯度下降算法的优化器。 （update operations.）使用锁 name: 名字，可选，默认是”GradientDescent”. tf.train.AdadeltaOptimizer 实现了 Adadelta算法的优化器
1.1K40发布于 2019-03-25 - 来自专栏腾讯数据库技术
MySQL优化器和SemiJoin优化
MySQL执行流程 MySQL的执行过程包括多个子阶段：语法分析、语义检查、逻辑优化、物理优化和执行。其中逻辑优化和物理优化统称为查询优化。一个查询优化器的输入是查询树，输出是查询执行计划。 ? 逻辑优化也称为基于规则的查询优化（Rule Based Optimization，简称RBO）。主要是对查询进行逻辑上的等价变换，目的是通过这些变换提高查询的性能。 In子查询转SemiJoin的优化方法 2.1 优化方法 通用的转换格式如下： SELECT ... 4. 4.
2.8K81发布于 2019-05-16 - 来自专栏Python与算法之美
优化器optimizers
本篇我们介绍优化器。 一，优化器概述 机器学习界有一群炼丹师，他们每天的日常是： 拿来药材（数据），架起八卦炉（模型），点着六味真火（优化算法），就摇着蒲扇等着丹药出炉了。 一些爱写论文的炼丹师由于追求评估指标效果，可能会偏爱前期使用Adam优化器快速下降，后期使用SGD并精调优化器参数得到更好的结果。 二，优化器的使用 优化器主要使用apply_gradients方法传入变量和对应梯度从而来对给定变量进行迭代，或者直接使用minimize方法对目标函数进行迭代优化。 当然，更常见的使用是在编译时将优化器传入keras的Model,通过调用model.fit实现对Loss的的迭代优化。 初始化优化器时会创建一个变量optimier.iterations用于记录迭代的次数。因此优化器和tf.Variable一样，一般需要在@tf.function外创建。 ? ? ? ? ? ? ?
1.2K20发布于 2020-07-20 - 来自专栏又见苍岚
Adam 优化器
Adam 是深度学习中常用的优化器，我在使用时遇到了一点问题，弄清楚后记录下来。 Adam Adam（Adaptive Moment Estimation）优化器是一种广泛使用的优化算法，在深度学习训练中特别流行。 下面是 Adam 优化器的工作原理的简要概述： 动量（Momentum）： Adam 优化器计算梯度的指数加权移动平均（也称为一阶矩估计），这有助于加速梯度下降过程中的收敛速度，并帮助克服局部最小值和鞍点 ： 我的优化器 A 同时管理参数 B, C，但是在某一阶段的网络训练中，我确定 C 不会参与梯度回传，需要 A 优化 B 中的参数即可。 问题解决 找到原因就好办了，源码中会对优化器管理的参数做一个筛选，如果当前参数没有 grad 信息，那么优化器会将其跳过，所以训练前把所有优化器中参数的 grad 设置为 None（不是置零）即可。
2.8K10编辑于 2024-01-13 - 来自专栏朱永胜的私房菜
MySQL优化器
MySQL优化器 MySQL优化器是数据库管理系统中的一个核心组件，负责将SQL查询语句转换为最有效的执行计划。优化器的目标是减少查询的响应时间并提高数据库的吞吐量。 以下是一些关键点，用于理解和优化MySQL优化器的工作。 理解MySQL优化器 MySQL优化器使用多种统计信息和算法来决定如何执行一个查询。 优化MySQL优化器 为了优化MySQL优化器的性能，可以采取以下措施： 1. 索引优化 创建合适的索引：确保对经常查询的列创建索引。 4. 配置优化 调整配置参数：如 sort_buffer_size和 join_buffer_size可以根据实际情况调整。 结论 优化MySQL优化器是一个持续的过程，需要不断地监控、分析和调整。通过理解优化器的工作原理和采取适当的优化措施，可以显著提高数据库的性能。
28410编辑于 2024-01-05 - 来自专栏腾讯云数据库(TencentDB)
MySQL优化器和SemiJoin优化
MySQL执行流程 MySQL的执行过程包括多个子阶段：语法分析、语义检查、逻辑优化、物理优化和执行。其中逻辑优化和物理优化统称为查询优化。一个查询优化器的输入是查询树，输出是查询执行计划。 ? 逻辑优化也称为基于规则的查询优化（Rule Based Optimization，简称RBO）。主要是对查询进行逻辑上的等价变换，目的是通过这些变换提高查询的性能。 In子查询转SemiJoin的优化方法 1. 优化方法 通用的转换格式如下： SELECT ... ) 4. 4.
1.6K40发布于 2019-05-16 - 来自专栏数据库与编程
查询优化器概念：关于自动调整优化器及自适应查询优化
本篇是如何调优 Oracle SQL系列文章第六篇：查询优化器概念：关于自动调整优化器及自适应查询优化 1、关于自动调整优化器 优化器根据调用方式执行不同的操作。 广播分布 下图描述了department和employees表之间的混合散列连接，查询协调器指导8个并行服务器进程:P5-P8是生产者，而P1-P4是消费者。每个生产者都有自己的消费者。 在 上图中，行数低于阈值(8)，这是DOP(4)的两倍，因此优化器为departments表选择广播技术。 混合散列分布 考虑一个返回更多行数的示例。 在下面的计划中，阈值为8，或指定的DOP(4)的两倍。但是，由于统计信息收集器(步骤10)发现行数(27)大于阈值(8)，因此优化器选择混合散列分布而不是广播分布。 4）在游标中查询计划显示优化器在第二次执行时使用了统计信息反馈(如注释所示)，并且还选择了一个不同的计划。
2K10编辑于 2022-04-24 - 来自专栏小工匠聊架构
Oracle优化04-Optimizer优化器
---- Optimizer概述 Oracle数据库中的优化器是SQL分析和执行的优化工具，它负责制定SQL的执行计划，也就是它负责保证SQL执行效率最高. 这些因素直接决定着SQL的执行效率，所以优化器是SQL执行的核心，它做出的执行计划的好坏，直接决定了SQL的执行效率。 Oracle的优化器有两种 RBO 基于规则的优化器 CBO 基于代价的优化器 从ORACLE10G开始，RBO已经被弃用（但是我们依然可以通过HINT的方式使用它）。 ---- RBO(Rule Based Optimizer) RBO概述 在8i之前，ORACLE使用RBO（Rule Based Optimizer 基于规则的优化器）优化器。 可见，RBO是一种非常粗放型的优化器。 ---- 案例说明 思考：表中有索引，数据就必须选择索引吗？
1.6K20发布于 2021-08-16 - 来自专栏罗西的思考
PyTorch分布式优化器(2)----数据并行优化器
[源码解析] PyTorch分布式优化器(2)----数据并行优化器 目录 [源码解析] PyTorch分布式优化器(2)----数据并行优化器 0x00 摘要 0x01 前文回顾 0x02 DP 之中的优化器 2.1 流程 2.2 使用 0x03 DDP 之中的优化器 3.1 流程 3.2 优化器状态 3.3 使用 0x04 Horovod 的优化器 4.1 hook 同步梯度 4.1.1 注册 hooks 数据并行之中的优化器就是另外一种情况，因为每个worker自己计算梯度，所以优化器主要技术难点是： 每个worker有自己的优化器？还是只有一个worker才有优化器，由他统一做优化？ 每个进程拥有自己独立的优化器，优化器也是常规优化器。 这里有两个特点： 每个进程维护自己的优化器，并在每次迭代中执行一个完整的优化步骤。 DDP 与优化器实际上没有关联，DDP不对此负责，所以需要用户协同操作来保证各进程之间的优化器状态相同。这就围绕着两个环节： 优化器参数初始值相同。
1.3K30编辑于 2021-12-09 - 来自专栏磐创AI技术团队的专栏
使用 Optuna 优化你的优化器
使用网格搜索、随机、贝叶斯和进化算法等不同的采样器来自动找到最佳参数。让我们简要讨论一下 Optuna 中可用的不同采样器。 网格搜索：搜索目标算法整个超参数空间的预定子集。 4) 轻松并行化：可以轻松地并行化超参数搜索，而对原始代码几乎没有更改。 5）快速可视化：各种可视化功能也可用于可视化分析优化结果。 Optuna 术语 在 Optuna 中，有两个主要术语，即： 1) Study：整个优化过程基于一个目标函数，即研究需要一个可以优化的函数。 2) Trial：优化函数的单次执行称为trial。 我们必须预测的 4 种能量类型是： 标签 能量类型 0 电 1 冷冻水 2 蒸汽 3 热水 电和水的消耗量可能会有所不同，并且具有不同的预测因素。所以我分别训练和预测了模型。 因此剪枝可以提高最终分类器的复杂性并防止过度拟合。Optuna 中提供了对多个流行 ML 框架的集成，用户可以使用它在超参数训练期间尝试剪枝。
3.1K30发布于 2021-10-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号