Python3的新特性和改进 杭州美登科技 杜逸先 目录 CONTENTS Python的现状 Python3的新特性和改进 迁移到Python3 问答环节 1 Python的现状 Python的现状 Python2.7将于2020年1月1日停止维护 Python的现状 Python2.7将于2020年1月1日停止维护 主流Python包陆续终止对Python2的支持 Python的现状 Python3的新特性和改进 ——重要变化 Python3的新特性和改进——重要变化 Text Vs. Data Instead Of Unicode Vs. 8-bit 内容 类型 混合使用 Python3 Text Vs. Data str Vs. bytes ✖ Python2 Unicode Vs. 8-bit unicode Vs. str ✔ Python3的新特性和改进——重要变化 Python2 Python3的新特性和改进——重要变化 Python3 Python3的新特性和改进——重要变化 Python3的str和bytes不能混用！ Python3的新特性和改进——重要变化 求一段文本的MD5:Python2 Python3的新特性和改进——重要变化 求一段文本的MD5:Python3 Python3的新特性和改进——重要变化 Views And Iterators

Metrics 效能改进的愿景 目标 Vision Metrics 改进是系统工程 System improvement 没有度量量的管理理，就是… Content 好的度量是什么 What’s Good Metrics 研发效能度量体系 R&D Efficiency Metrics 效能改进的愿景 目标 Vision Metrics 改进是系统工程 System 要简单 Content 好的度量是什么 What’s Good Metrics 研发效能度量体系 R&D Efficiency Metrics 效能改进的愿景 目标 Vision Metrics 改进是系统工程 System improvement 研发效能的度量量 需求响应周期 持续发布能力 交付吞吐率 交付过程质量 交付质量 交付周期 开发周期 其分布情况和解决时长等。 Content 好的度量是什么 What’s Good Metrics 研发效能度量体系 R&D Efficiency Metrics 效能改进的愿景 目标 Vision Metrics 改进是系统工程 System improvement 早期愿景⽬目标：2-1-3 从想法提出并确认，到上线的时间 从需求设计完成到上线的时间 在集成过程中，对变更的测试验证时长

边界条件：仅在第一层额外判断边界条件 进一步改进 VDB 导出：支持导出多个网格，并指定名称 进一步改进 VDB 导出： P-IMPL 模式 进一步改进 VDB 导出： F-IMPL 模式 Blender 渲染结果 改进 改进边界条件：外部边界流出而不是反弹，内部边界可以流出速度 Blender 中调整一下材质 Blender 中调整一下材质 改进对流：让烟雾随时间逐渐褪色 改进对流：让烟雾随时间逐渐褪色 改进对流：让烟雾随时间逐渐褪色 改进褪色：不是褪色 density ，而是褪色 temperature 改进褪色：不是褪色 density ，而是褪色 temperature 改进褪色：不是单纯地乘以 decayRate ，还和周围环境温度求平均值 改进温度：高温气体往上浮（作为外力来看待） 结果：更像火焰了 改进颜色场：让 clr 作为尘埃密度，密度越高越有向下坠落的趋势 问题：上面的尘埃无止境的飘下来 解决：纹理对象指定为 解决：纹理对象指定为 cudaAddressModeBorder 让越界访问自动变 0 即可 结果：小球加回来 改进温度：只有达到一定温度才会上升，否则（视为冷空气）下降 改进褪色：尘埃密度也会褪色

第49章：Go中的一些语法/语义例外 第50章：Go细节101 第51章：Go问答101 第52章：Go技巧101 第53章：更多关于Go的知识 本书由老貘 ? 历时三年写成。目前本书仍在不断改进和增容中。你的赞赏是 本书和Go101.org网站不断增容和维护的动力。 赞赏 （请搜索关注微信公众号“Go 101”或者访问github.com/golang101/golang101 ? 解使用自定义泛型。 另外，在阐述值类型转换、值赋值和值比较规则时，自定义泛型中频繁使用的 类型参数类型被特意忽略掉了。 也就是说，本书不考虑自定义泛型中的情 形。 本书由老貘 ? 历时三年写成。目前本书仍在不断改进和增容中。你的赞赏是 本书和Go101.org网站不断增容和维护的动力。 赞赏 （请搜索关注微信公众号“Go 101”或者访问github.com/golang101/golang101 ? Donizetti、 Emmanuel T Odeke、 Filippo Valsorda、 Dominik Honnef、 和 Rob 'Commander' Pike 等。 感谢直接参与本书写作和改进的Go社区成员，包括： Amir Khazaie、 Ziqi Zhao、 Artur Kirillov、 Arinto Murdopo、 Andreas Pannewitz、 Jason-Huang、

第49章：Go中的一些语法/语义例外 第50章：Go细节101 第51章：Go问答101 第52章：Go技巧101 第53章：更多关于Go的知识 本书由老貘 历时三年写成。目前本书仍在不断改进和增容中。你的赞赏是本 书和Go101.org网站不断增容和维护的动力。 （请搜索关注微信公众号“Go 101”或者访问github.com/golang101/golang101 获 取本书最新版） 使用自定义泛型。 另外，在阐述值类型转换、值赋值和值比较规则时，自定义泛型中频繁使用的 类型参数类型被特意忽略掉了。 也就是说，本书不考虑自定义泛型中的情形。 本书由老貘 历时三年写成。目前本书仍在不断改进和增容中。你的赞赏是本 书和Go101.org网站不断增容和维护的动力。 （请搜索关注微信公众号“Go 101”或者访问github.com/golang101/golang101 获 取本书最新版） Donizetti、 Emmanuel T Odeke、 Filippo Valsorda、 Dominik Honnef、 和 Rob 'Commander' Pike 等。 感谢直接参与本书写作和改进的Go社区成员，包括： Amir Khazaie、 Ziqi Zhao、 Artur Kirillov、 Arinto Murdopo、 Andreas Pannewitz、 Jason-Huang、

第49章：Go中的一些语法/语义例外 第50章：Go细节101 第51章：Go问答101 第52章：Go技巧101 第53章：更多关于Go的知识 本书由老貘历时三年写成。目前本书仍在不断改进和增容中。你的赞赏是本书和 Go101.org网站不断增容和维护的动力。 赞赏 （请搜索关注微信公众号“Go 101”或者访问github.com/golang101/golang101获 取本书最新版） html）一书来了解使用自定义泛型。 另外，在阐述值类型转换、值赋值和值比较规则时，自定义泛型中频繁使用的类型 参数类型被特意忽略掉了。 也就是说，本书不考虑自定义泛型中的情形。 本书由老貘历时三年写成。目前本书仍在不断改进和增容中。你的赞赏是本书和 Go101.org网站不断增容和维护的动力。 赞赏 （请搜索关注微信公众号“Go 101”或者访问github.com/golang101/golang101获 取本书最新版） Donizetti、 Emmanuel T Odeke、 Filippo Valsorda、 Dominik Honnef、 和 Rob 'Commander' Pike 等。 感谢直接参与本书写作和改进的Go社区成员，包括： Amir Khazaie、 Ziqi Zhao、 Artur Kirillov、 Arinto Murdopo、 Andreas Pannewitz、 Jason-Huang、

代方向。 ● BERT 领域适配：美团业务场景中，Query 和 Doc 以商户、商品、团购等短 文本为主，除标题文本以外，还存在商户 / 商品描述、品类、地址、图谱标签 等结构化信息。我们首先改进了 MT-BERT 预训练方法，将品类、标签等文 42 > 美团 2020 技术年货 本信息也加入 MT-BERT 预训练过程中。在相关性 Fine-tuning 阶段，我们 对训练目标进行了 Query 和 Doc 标题产生交叉干扰。由于我们改变了 BERT 的输入和输出结构，无法直接基于 MT-BERT 进行相关性 Fine-tuning 任务。我们 对 MT-BERT 的预训练方式做了相应改进，BERT 预训练的目标之一是 NSP（Next Sentence Prediction），在搜索场景中没有上下句的概念，在给定用户的搜索关键词 和商户文本信息后，判断用户是否点击来取代 NSP AUC 提升 17.8BP。 Pairwise Fine-tuning Query-Doc 相关性最终作为特征加入排序模型训练中，因此我们也对 Fine-tuning 任务的训练目标做了针对性改进。基于 BERT 的句间关系判断属于二分类任务，本 质上是 Pointwise 训练方式。Pointwise Fine-tuning 方法可以学习到很好的全局 相关性，但忽略了不同样本之前的偏序关系。如对于同一个

10.4.9.2 1.10.4.9.3 1.10.4.9.4 1.10.4.9.5 1.10.4.9.6 1.10.4.9.7 符号化 iOS 崩溃报告 参考与提示 目标平台支持 改进编译时间 许可证文件 Kotlin/Native FAQ WebAssembly（Wasm） 在 IntelliJ IDEA 中入门 Kotlin/Wasm 添加 Kotlin 库依赖 与 段时间，已经有不少内容尚未翻译。 目前在不断完善翻译中，有些贡献者基 于旧版本翻译的内容也会逐步解决冲突合并进来。 当然，今后还会持续与官 网保持同步更新并继续翻译，请随时关注。 欢迎大家一起来翻译/改进，翻译 前请阅读翻译指南草稿。 目前已更新至 1.9.10。最近一次更新：2023-10-28。 本书采用 Apache License 2.0 许可发布，因内容来源采用该许可。 下载离线版本： Twitter、 Reddit、 Youtube， 不要错过任何重要 的生态系统更新。 如果遇到任何困难和问题，请在我们的问题跟踪系统提报。 在此可以了解到如何使用 Kotlin 多平台开发及改进跨平台移动端应用程序。 1. 搭建用于跨平台移动端开发的环境. 2. 创建第一个用于 iOS 与 Android 应用程序： 从头开始，使用项目向导创建一个基本的跨平台移动端应用程序。 如果有既有的

，其中 n 是元素个数 改进的并行缩并（ GPU ） • 刚才那种方式对 c 比较大的情况不友好， 最后一个串行的 for 还是会消耗很多时间 。 • 因此可以用递归的模式，每次只使数据缩 小一半，这样基本每次都可以看做并行的 for ，只需 log2(n) 次并行 for 即可完成 缩并。 • 这种常用于核心数量很多，比如 GPU 上 的缩并。 结论：改进后的并行缩并的时间复杂度为 ，工作复杂度为 O(n+c) ，其中 n 是元素个数 改进的并行扫描（ GPU ） 第一步、 4 个线程，每个处理 2 个元素的扫描，花了 1 秒 第而步、 4 个线程，每个处理 2 个元素的扫描，花了 1 秒 第三步、 4 个线程，每个处理 2 个元素的扫描，花了 1 秒 用电量： 3*4=12 度电 总用时： 1*3=3 秒 结论：改进后的并行扫描的时间复杂度为 O(logn) ，工作复杂度为 并行快速排序 （和刚刚手写的快速排序）加速比： 2.05 倍 改进：数据足够小时，开始用标准库串行的排序 （和标准库串行的 std::sort ）加速比： 4.59 倍 封装好了： tbb::parallel_sort （和标准库串行的 std::sort ）加速比： 4.80 倍 重新认识改进的并行缩并 • 其实之前提到“改进后的并行缩并”，也是一 种分治法的思想：大问题一分为二变成小

静态分析工具：半智能的代码分析机器人  静态分析辅助代码评审 自动化工具+流程才是未来 Bug! Thx! Bug!  投入大  KPI不痛不痒  使用主体和责任主体不一致  一步登天想要终极AI 代码质量改进工具、流程落地难 Bug! No Thx! DevOps: 代码质量责任应该左移 设计 代码 开发 代码 评审 入库 测试 发布 1. 非研发人员主导，沟通成本高，推动修复周期长 使用了定理证明器求解可 行路径（精确，耗时） • 能跨函数分析 • 能处理指针 使用有深度的代码分析器 做到快速和准确 用尽量少机器完成一天几千次分析 每次分析10分钟要能结束 控制误报并建立反馈和改进机制 挑战：超大规模代码仓库 项目平均40分钟单机编译时间 项目平均编译代码量超百万行 编译的价值 C/C++代码逻辑受编 译参数深度控制 源代码索引和统计 提升开源静态分析工 具分析质量 如何做到10分钟反馈分析结果 系统地改进分析时间 编译流程 分析流程 依赖关系分析 分布式 编译 分布式 分析 分布式链接 跨模块分析 报告整合 缓存 缓存 缓存 缓存 硬核玩家：从理论上改进静态分析能力 PLDI 2018: 去掉路径 遍历分析中的冗余 ICSE 2019：路径遍历内 存泄漏分析的多项式算法 需求2：误报率要低 方法1： 数据驱动的改进循环 降低 误报率