Python JIT thautwarm The “Restrain” 目录 CONTENTS Preview 和其他JIT的比较 实现原理 如何参与开发 1 Preview 并行计算: SIMD并行, true threading 避开解释器开销: for-loop 避免嵌套函数开销: native function pointer, inline “All Add 2” A Regular 3-rd Party Module 不需要使用特殊的Python executable, 仅仅作为一个普通的第三方库使用。 反例: Graal Python, PyPy 3 实现原理 Abstract Machine, Virtual Machine, Abstract Interpretation, The Machine Monad, Backend Independent JIT需要代码生成， 但运行时检查代码生成与否， 有一定的开销。 而Julia的“生成函数”能够在生成之后， 重新触发编译， 消除所有检查自身是否生成的代码。 4 参与开发 1. Instrinsics 后端实现: py_add, py_not, etc… 2. 对虚拟指令集的优化passes 3. issues… Intrinsics: restrain_jit/abs_compiler/py_apis

Python的NLP实战分享 如何实现合同风险预测模型？ GVA TECH Co., Ltd 藤井美娜 自我介绍 2% |# | self-introduction • Machine Learning Engineer / Data Scientist • GVA TECH的人工智能法律服务AI-CON的多语言系统 开发负责人 inazo18 藤井美娜 目录 CONTENTS

Python的NLP实战分享 如何实现合同风险预测模型？ GVA TECH Co., Ltd 藤井美娜 自我介绍 2% |# | self-introduction • Machine Learning Engineer / Data Scientist • GVA TECH的人工智能法律服务AI-CON的多语言系统 开发负责人 inazo18 藤井美娜 目录 CONTENTS

基于Python的深度学习框 架设计与实现 主讲人： 刘凡平 介绍大纲 一、背景 二、原理：深度学习框架的一般性结构 三、设计 四、应用案例 五、思考 一、背景 深度学习框架是包含深度学习模型设计、训练和验证的一套标准接口、特性库和工具包，集成深度学习 的算法封装、数据调用以及计算资源的使用，同时面向开发者提供了开发界面和高效的执行平台，是算法工 程师的必备工具之一。 美国 ���� ������� ���� ���� ����� ���� ����� ���� ��� 面向应用服务提供解 决方案或一般性方法。 提供模型生命周期中 科配置的各类功能组件。 实现框架最基础、最 核心的功能，帮助开发者 屏蔽底层硬件技术细节。 三、设计：最小化的深度学习框架 从模型的设计者角度思考，一个模型设计的最小使用内容。 三、设计：最小MVP深度学习框架的层次逻辑 �������� ��� �� DataLoaderIter ABCDataLoaderIter 四、应用：简单回归问题的实现（一） 1、定义问题 已知某类工业零件不同长与宽的产品数据集，求长与宽的关系。 2、宽与高的数据关系示意图： 宽 长 四、应用：简单回归问题的实现（二） 模型结构： class SampleModel(nn.Module): def __init__(self):

代码以简化静态分析和重构，潜 在的运行时类型检查，以及（可能在某些情况下）利用类型信息生成代码。 在这些目标中，静态分析是最重要的。这包括对类型检查器（如mypy）的支持， 以及提供可由IDE实现的代码重构操作。 虽然这些注释可以在运行时通过 __annotations__ 属性拿到，但在运行时不会进行 类型检查。相反，该提案假定存在一个单独的第三方的类型检查器，用户可以自由 的使用这 尽管类型注释很有用，但是通过注释来标记类型这个实现有一些缺点： 文本编辑器通常以与类型注释不同的方式突出显示注释。 无法注释未定义变量的类型。需要将其初始化为None （例如：a = None ＃ type: int）。 在条件分支中注释的变量很难阅读。 由于类型注释实际上并不是语言的一部分，因此，如果Python脚本想要解析它们，则需 要自行实现Parser（例如TypedAst），而不仅仅是使用 类型中的特殊非整数值 如果非要将string映射到int，则必须将某些非int表示范围内的str映射到目标 类型中的特殊非整数值。换言之，我们需要一个int+1大小的类型。 Golang的问题——多表达式返回值错误处理 Golang的错误处理本质是拿积类型当和类型用 拓展思考 放飞自我 更激进的类型推导，以及自动泛化 正文 大力出奇迹的类型收集 LemonHX曾提出过一种想法： 在运行时收集类型信息。

2019/10 v3.8 v2.7.17 开始实现 1989/12 v0.9.0 1991/2 v1.0.0 1994/1 v2.0 2000/10 v2.5 2006/9 v2.6 2008/10 v3.0 2008/12 v2.7 2010/7 v3.7 2018/6 AWS发展时间线 2019/10 开始实现 1989/12 v0.9.0 1991/2 超过165项服务 数千个不同的API AWS Tools and SDKs • Python (boto3) • C++ • PHP • .NET • Ruby • Java • Golang • Node.js • JavaScript for Web AWS Command Line Interface pip install awscli 基于SDK for Python

存储方式、数据结构分类方法。数组、链表、栈、队列、 散列表、树、堆、图等数据结构，内容包括定义、优劣势、常用操作、常见类型、典型应用、实现方法等。 ‧ 算法：查找算法、排序算法、搜索与回溯、动态规划、分治算法，内容包括定义、使用场景、优劣势、时 空效率、实现方法、示例题目等。 0. 写在前面 hello‑algo.com 2 Figure 0‑1. Hello 算法内容结构 0.1.3 问题是明确的，需要拥有明确的输入和输出定义。 ‧ 解具有确定性，即给定相同输入时，输出一定相同。 ‧ 具有可行性，可在有限步骤、有限时间、有限内存空间下完成。 ‧ 独立于编程语言，即可用多种语言实现。 1.2.2. 数据结构定义 「数据结构 Data Structure」是在计算机中组织与存储数据的方式。为了提高数据存储和操作性能，数据结构 的设计原则有： ‧ 空间占用尽可能小，节省计算机内存。 数据结构是算法的底座。数据结构为算法提供结构化存储的数据，以及操作数据的对应方法。 ‧ 算法是数据结构发挥的舞台。数据结构仅存储数据信息，结合算法才可解决特定问题。 ‧ 算法有对应最优的数据结构。给定算法，一般可基于不同的数据结构实现，而最终执行效率往往相差很 大。 Figure 1‑2. 数据结构与算法的关系 如果将「LEGO 乐高」类比到「数据结构与算法」，那么可以得到下表所示的对应关系。 数据结构与算法 LEGO 乐高

、空间复杂度的推算方 法、常见类型、示例等。 ‧ 数据结构：基本数据类型，数据结构的分类方法。数组、链表、栈、队列、散列表、树、堆、图等数据 结构的定义、优缺点、常用操作、常见类型、典型应用、实现方法等。 ‧ 算法：搜索、排序、分治、回溯、动态规划、贪心等算法的定义、优缺点、效率、应用场景、解题步骤、 示例题目等。 0. 前言 hello‑algo.com 2 Figure 0‑1. 构的角度，我们可以把字典视为一 个已排序的「数组」；从算法的角度，我们可以将上述查字典的一系列操作看作是「二分查找」算法。 例二：整理扑克。我们在打牌时，每局都需要整理扑克牌，使其从小到大排列，实现流程如下： 1. 将扑克牌划分为“有序”和“无序”两部分，并假设初始状态下最左 1 张扑克牌已经有序。 2. 在无序区间抽出一张扑克牌，插入至有序区间的正确位置；完成后最左 2 张扑克已经有序。 数据，以及用于操作数据的方法。 ‧ 算法是数据结构发挥的舞台。数据结构本身仅存储数据信息，通过结合算法才能解决特定问题。 ‧ 特定算法通常有对应最优的数据结构。算法通常可以基于不同的数据结构进行实现，但最终执行效率 可能相差很大。 Figure 1‑4. 数据结构与算法的关系 我们可以把数据结构与算法类比为拼装积木。一套积木，除了包含许多零件之外，还附有详细的组装说明书。 我们按照说明

、空间复杂度的推算方法、常见类型、示 例等。 ‧ 数据结构：基本数据类型，数据结构的分类方法。数组、链表、栈、队列、哈希表、树、堆、图等数据 结构的定义、优缺点、常用操作、常见类型、典型应用、实现方法等。 ‧ 算法：搜索、排序、分治、回溯、动态规划、贪心等算法的定义、优缺点、效率、应用场景、解题步骤、 示例题目等。 第 0 章 前言 hello‑algo.com 3 图 0‑1 Hello 用到日常生活中了。下面，我将举几个具体例子来证实这一点。 例一：查阅字典。在字典里，每个汉字都对应一个拼音，而字典是按照拼音字母顺序排列的。假设我们需要 查找一个拼音首字母为 ? 的字，通常会按照图 1‑1 所示的方式实现。 1. 翻开字典约一半的页数，查看该页的首字母是什么，假设首字母为 ? 。 2. 由于在拼音字母表中 ? 位于 ? 之后，所以排除字典前半部分，查找范围缩小到后半部分。 3. 不断重复步骤 1 据结构的角度，我们可以把字典视为 一个已排序的“数组”；从算法的角度，我们可以将上述查字典的一系列操作看作是“二分查找”。 例二：整理扑克。我们在打牌时，每局都需要整理扑克牌，使其从小到大排列，实现流程如图 1‑2 所示。 1. 将扑克牌划分为“有序”和“无序”两部分，并假设初始状态下最左 1 张扑克牌已经有序。 2. 在无序部分抽出一张扑克牌，插入至有序部分的正确位置；完成后最左 2 张扑克已经有序。

羽毛球筒则如同“队列”，一端放入、另一端取出；字典就像一个“哈希表”，能够快速查找目标词条。 本书旨在通过清晰易懂的动画图解和可运行的代码示例，使读者理解算法和数据结构的核心概念，并能够通 过编程来实现它们。在此基础上，本书致力于揭示算法在复杂世界中的生动体现，展现算法之美。希望本书 能够帮助到你！ i 目 录 第 0 章 前言 1 0.1 关于本书 . . . . . . . . . 和空间复杂度的推算方法、常见类型、示 例等。 ‧ 数据结构：基本数据类型和数据结构的分类方法。数组、链表、栈、队列、哈希表、树、堆、图等数据 结构的定义、优缺点、常用操作、常见类型、典型应用、实现方法等。 ‧ 算法：搜索、排序、分治、回溯、动态规划、贪心等算法的定义、优缺点、效率、应用场景、解题步骤 和示例问题等。 第 0 章 前言 hello‑algo.com 3 图 0‑1 本书主要内容 ，将帮助你节省不必要的调试时间，让你能够专注于学习内 容。 图 0‑5 代码块与对应的源代码文件 除了本地运行代码，网页版还支持 Python 代码的可视化运行（基于 pythontutor 实现）。如图 0‑6 所示，你 可以点击代码块下方的“可视化运行”来展开视图，观察算法代码的执行过程；也可以点击“全屏观看”，以 获得更好的阅览体验。 图 0‑6 Python 代码的可视化运行