379 条“CPU芯片测试座-8” 相关内容
- Erlang指南：效率指南 | Guide: Efficiency guide11.分析 | 11. Profiling
11.分析 | 11. Profiling
fprof在R8中被引入。 埃普罗 eprof是基于Erlangtrace_infoBIF。eprof显示每个进程使用了多少时间，以及在哪个函数调用中花费了这个时间。
- TensorFlow表现 | PerformancePerformance Guide（性能指南）
Performance Guide（性能指南）
- SQLite其他 | MiscellaneousLong Term Support
Long Term Support
跨平台→SQLite可以在任何具有8位字节，2的补码32位和64位整数以及C编译器的平台上运行。它在所有当前流行的CPU和操作系统上都经过了积极的测试。
- TensorFlow表现 | PerformanceBenchmarks（基准）
Benchmarks（基准）
基准 概观 在多个平台上测试了一系列图像分类模型，为TensorFlow社区创建了参考点。Methodology部分详细说明了测试如何执行并且链接到了所使用的脚本。
- SQLite其他 | MiscellaneousMeasuring and Reducing CPU Usage in SQLite
Measuring and Reducing CPU Usage in SQLite
本文描述了SQLite开发人员如何衡量CPU使用情况，这些度量实际意味着什么，以及SQLite开发人员如何继续探索进一步减少SQLite库的CPU使用率的技术。
- TensorFlow表现 | PerformanceDeveloping a new backend for XLA（为XLA开发一个新的后端）
Developing a new backend for XLA（为XLA开发一个新的后端）
大多数实现将落入以下情况之一： 1.现有的CPU体系结构尚未正式由XLA支持，无论是否存在LLVM后端。 2.具有现有LLVM后端的非CPU类硬件。 3.没有现有LLVM后端的非CPU类硬件。
- Erlang指南：安装指南 | Guide: Installation guide3.交叉编译Erlang / OTP | 3. Cross Compiling Erlang/OTP
3.交叉编译Erlang / OTP | 3. Cross Compiling Erlang/OTP
/Install-minimal|-sasl<ABSOLUTE_INSTALL_DIR_ON_TARGET> 使用otp_build脚本构建 (8) $cd$ERL_TOP (9) $.
- TensorFlow表现 | PerformanceUsing JIT Compilation（使用JIT编译）
Using JIT Compilation（使用JIT编译）
- JSON教程JSON字符串JavaScript 解析Json字符串的性能比较分析代码
JavaScript 解析Json字符串的性能比较分析代码
解析时用到的方法一般是eval或者newfunction，而目前IE8和Firefox3.1又内置了原生的JSON对象（据说会有一定的性能提升）。
- JSON教程JSON解析JavaScript 解析Json字符串的性能比较分析代码
JavaScript 解析Json字符串的性能比较分析代码
一、测试方法 1、首先指定测试次数及JSON字符串 代码如下: varcount=10000,o=null,i=0,jsonString='{"value":{"items":[{"x":1,"
- Docker引擎: CLI | Engine: CLIdocker create
docker create
- Erlangruntime_tools1. LTTng and Erlang/OTP
1. LTTng and Erlang/OTP
- Docker引擎: 管理员指南 | Engine: Admin Guide限制容器的资源（引擎） | Limit a container's resources (Engine)
限制容器的资源（引擎） | Limit a container's resources (Engine)
您可以通过以下方法减少由于OOME而导致的系统不稳定风险： 在将应用程序投入生产之前，执行测试以了解应用程序的内存需求。 确保您的应用程序仅在资源充足的主机上运行。
- TensorFlow表现 | PerformanceHigh-Performance Models（高性能的模型）
High-Performance Models（高性能的模型）
CPU到GPU数据传输：将图像从CPU传输到GPU。 每个阶段的主要部分与其他阶段并行执行data_flow_ops.StagingArea。
- Docker引擎: CLI | Engine: CLIdocker container run
docker container run
- TensorFlow扩展 | ExtendAdding a New Op（添加一个新Op）
Adding a New Op（添加一个新Op）
测试操作。为了方便起见，我们通常在Python中执行此操作，但您也可以在C++中测试操作。如果您定义了渐变，您可以使用Python渐变检查器来验证它们。
腾讯云开发者
扫码关注腾讯云开发者
领取腾讯云代金券
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