《Transformer Rasa解密:原理、源码及案例》旨在系统介绍Rasa的原理、应用和实现,帮助读者全面了解并掌握强大的智能对话机器人框架。随着人工智能技术的快速发展,机器人智能对话成了现代社会中的热门话题,而Rasa作为一款开源的对话机器人框架,以其灵活、可扩展和开放的特性受到了广泛的关注和应用。 书中从Rasa的基本原理入手,通过深入浅出的讲解,引导读者逐步理解Rasa框架的设计思想,用图文并茂的方式展示Rasa智能对话机器人的应用内容,以便读者能够较直观地学习相关技术知识。 《Transformer Rasa解密:原理、源码及案例》主要读者群体为机器学习、人工智能及大数据Rasa智能对话机器人应用、Transformer、Rasa架构和源码剖析的人员以及高等院校人工智能专业相关师生等。
本书第8版继续保持了以前版本的特色,为编语言教学提供了一种新颖和与时俱进的方法。本书专门为Intel/Windows/DOS平台编写,对汇编语言进行了完整且详细的研究和讲解,教授读者在机器级编写和调试程序。第1~9章包含汇编语言的基本概念、x86处理器架构、汇编语言基础、过程等核心概念。第10~16章讲解了结构和宏、MS-Windows编程、高级语言接口等内容。同时,这个版本也进行了相应的修订和更新,代表了本书向交互式电子教科书的过渡,让读者能够针对复习题、代码动画、教程视频以及多输人习题进行实验和互动。本书不仅可作为汇编语言课程的教材,还可以作为计算机系统基础和体系结构基础方面的教材,符合国内所提倡的系统观教学理念。
从因特网、社交网站到病毒营销,网络已经渗透到生活的各个角落,而网络分析则是近年定量科学进展 快的领域之一。统计方法为网络的测量和分析提供了坚实的基础,作为统计利器的R语言则提供了强大的研究工具。本书是 本系统介绍R语言应用于网络分析的图书:从基本的数据操作与网络可视化,到概括网络的特征,再到处于研究前沿的网络结构和动态过程建模,读者可以借助igraph等R语言扩展包快速上手,开展各自领域的网络研究。
本书由Rust核心开发团队编写而成,由浅入深地探讨了Rust语言的方方面面。从学习函数、选择数据结构及绑定变量入手,逐步介绍所有权、trait、生命周期、安全保证等 概念,模式匹配、错误处理、包管理、函数式特性、并发机制等实用工具,以及两个完整的项目开发实战案例。 作为开源的系统级编程语言,Rust可以帮助你编写出 为快速且 为可靠的软件,在给予开发者底层控制能力的同时,通过深思熟虑的工程设计避免了传统语言带来的诸多麻烦。
本书由中科院计算所、软件所的专家学者倾心写就,以“图像风格迁移”应用为例,全面介绍智能计算系统的软硬件技术栈。第2版以大模型为牵引进行更新,第1章回顾人工智能、智能计算系统的发展历程,第2、3章在介绍深度学习算法知识的基础上增加了大模型算法的相关知识,第4章介绍深度学习编程框架PyTorch的发展历程、基本概念、编程模型和使用方法,第5章介绍编程框架的工作原理,第6章回顾深度学习所用的处理器结构从通用逐步走向专用的过程,第7章介绍深度学习处理器的体系结构应当如何应对大模型处理中的计算、访存、通信瓶颈,第8章介绍基于BCL语言的高性能算子开发优化实践,第9章介绍面向大模型的计算系统并以BLOOM作为驱动范例。 本书适合作为高等院校相关专业的教材,也适合人工智能领域的科研人员参考。
本书第8版继续保持了以前版本的特色,为编语言教学提供了一种新颖和与时俱进的方法。本书专门为Intel/Windows/DOS平台编写,对汇编语言进行了完整且详细的研究和讲解,教授读者在机器级编写和调试程序。第1~9章包含汇编语言的基本概念、x86处理器架构、汇编语言基础、过程等核心概念。第10~16章讲解了结构和宏、MS-Windows编程、高级语言接口等内容。同时,这个版本也进行了相应的修订和更新,代表了本书向交互式电子教科书的过渡,让读者能够针对复习题、代码动画、教程视频以及多输人习题进行实验和互动。本书不仅可作为汇编语言课程的教材,还可以作为计算机系统基础和体系结构基础方面的教材,符合国内所提倡的系统观教学理念。
本书是Effective Python的第2版,基于Python 3进行了全面升级。本书分为10章,包含90个条目,形式简洁、表述明确。每个条目都基于对Python的独到见解,告诉读者如何高效地编写Python程序。与 版相比,第2版只关注Python 3,而不再兼顾 Python 2。根据Python语言引入的新特性,以及Python开发者所形成的新经验,对 版中的某些思路与解决方案进行了修订,以 好地发挥Python的优势。本书删除了过时的知识点,并添加了对Python新特性的一些介绍。新版中增加了31个条目,并专门设立了几章来强调列表和字典、推导和生成器、元类和属性、稳定性和性能,以及测试和调试等重要主题。