2024 条“硬件-11” 相关内容
- Erlang指南：效率指南 | Guide: Efficiency guide11.分析 | 11. Profiling
11.分析 | 11. Profiling
11剖面图 11.1不要猜测性能配置文件 即使是经验丰富的软件开发人员也常常对其程序中的性能瓶颈进行错误的猜测。因此，请对程序进行分析，查看性能瓶颈所在，并集中精力优化它们。
- Erlangorber11.Orber拦截器 | 11. Orber Interceptors
11.Orber拦截器 | 11. Orber Interceptors
11Orber拦截器 11.1使用拦截器 对于Inter-ORB通信，例如通过IIOP，可以拦截请求和回复。为了能够使用InterceptorsOrber，interceptors必须定义配置参数。
- Erlang指南：ERTS | Guide: ERTS11. External Term Format
11. External Term Format
11外部术语格式 11.1引言 外部术语格式主要用于Erlang的分发机制。 由于Erlang具有固定数量的类型，因此程序员不需要为某些应用程序中使用的外部格式定义规范。
- Erlang指南：参考手册 | Guide: Reference manual11.错误和错误处理 | 11. Errors and Error Handling
11.错误和错误处理 | 11. Errors and Error Handling
11错误和错误处理 11.1术语 错误大致可分为四种不同的类型： 编译时错误 逻辑错误 运行时错误 产生的误差 编译时错误，例如语法错误，并不会引起太多麻烦，因为它被编译器捕获。
- Erlang指南：设计原则 | Guide: Design principles释放处理 | 11. Release Handling
释放处理 | 11. Release Handling
11版本处理 11.1发布处理原则 Erlang编程语言的一个重要特性是能够在运行时更改模块代码，代码替换，如Erlang参考手册中所述。
- Python内置类型 | Built-in TypesTypes: 11. Context Manager Types
Types: 11. Context Manager Types
11.ContextManagerTypes 2.5版本中的新功能。 Python的with语句支持由上下文管理器定义的运行时上下文的概念。
- C++语言 | Languageattribute specifier sequence(since C++11)
attribute specifier sequence(since C++11)
- Erlangcommon_test11. Using Common Test for Large-Scale Testing
11. Using Common Test for Large-Scale Testing
11使用通用测试进行大规模测试 11.1总则 大规模的自动化测试需要并行运行多个独立的测试会话。这是通过CommonTest在一个或多个主机上运行一些节点，测试不同的目标系统来完成的。
- Erlangsnmp检测函数的定义 | 11. Definition of Instrumentation Functions
检测函数的定义 | 11. Definition of Instrumentation Functions
11仪表功能的定义 仪表功能定义部分描述了代理在不同时间调用的用户定义功能。 11.1可变仪表 对于标量变量，f(Operation,...)必须定义一个函数。
- Erlangmnesia11.附录C：分段表散列回调接口 | 11. Appendix C: Fragmented Table Hashing Callback Interface
11.附录C：分段表散列回调接口 | 11. Appendix C: Fragmented Table Hashing Callback Interface
11附录C：碎片化表哈希回调接口 11.1mnesia_frag_hash回调行为 -module(mnesia_frag_hash).
- C++线程支持 | Thread supportThread support library
Thread support library
- C++标准库头文件 | Standard library header filesnew
new
- 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）
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。 注意：LLVM后端可以是官方发布的LLVM后端或内部开发的定制LLVM后端。
- ElectronAPI·对象 | API·ObjectsGPUFeatureStatus
GPUFeatureStatus
- C++线程支持 | Thread supportstd::hardware_constructive_interference_size
std::hardware_constructive_interference_size
STD：硬件[医]破坏性[医]干扰[医]大小，STD：：硬件[医]建设性[医]干扰[医]大小 [表格] 1%29两个对象之间的最小偏移量，以避免错误共享。
- C++线程支持 | Thread supportstd::hardware_destructive_interference_size
std::hardware_destructive_interference_size
STD：硬件[医]破坏性[医]干扰[医]大小，STD：：硬件[医]建设性[医]干扰[医]大小 [表格] 1%29两个对象之间的最小偏移量，以避免错误共享。
- TensorFlow表现 | PerformanceXLA Overview（XLA概述）
XLA Overview（XLA概述）
我们早期发布了XLA，这样开源社区可以为其开发做出贡献，并为与硬件加速器集成创建一条路径。 XLA（加速线性代数）是用于优化TensorFlow计算的线性代数的域特定编译器。
- C++线程支持 | Thread supportstd::thread::hardware_concurrency
std::thread::hardware_concurrency
线程：：硬件[医]并发性 [表格] 返回实现支持的并发线程数。该值只应视为提示。 参数 %280%29 返回值 支持的并发线程数。如果该值未定义好或不可计算，则返回0...
- C++线程支持 | Thread supportstd::thread
std::thread
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