Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Update model-construction.md #1325

Open
wants to merge 1 commit into
base: master
Choose a base branch
from
Open

Update model-construction.md #1325

Changes from all commits
Commits
Show all changes
1 commit
Select commit
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
15 changes: 10 additions & 5 deletions chapter_deep-learning-computation/model-construction.md
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -573,8 +573,8 @@ net = FixedHiddenMLP()
net(X)
```

我们可以[**混合搭配各种组合块的方法**]。
在下面的例子中，我们以一些想到的方法嵌套块。
我们可以[**将各种组装块的方法混搭在一起**]，
正如下面这个例子所示。

```{.python .input}
class NestMLP(nn.Block):
Expand Down Expand Up @@ -669,9 +669,14 @@ Gluon运行时记录正在发生的事情，以及下一次它将对Python调用
读者可能会开始担心操作效率的问题。
毕竟，我们在一个高性能的深度学习库中进行了大量的字典查找、
代码执行和许多其他的Python代码。
Python的问题[全局解释器锁](https://wiki.python.org/moin/GlobalInterpreterLock)
是众所周知的。
在深度学习环境中，我们担心速度极快的GPU可能要等到CPU运行Python代码后才能运行另一个作业。
Python的[全局解释器锁](https://wiki.python.org/moin/GlobalInterpreterLock)
是用于保护 Python 对象的互斥锁，阻止多个线程在同一时刻执行 Python 字节码。
而在在深度学习问题中，我们担心速度极快的 GPU 有时不得不等速度较慢的 CPU 运行 Python 代码后才能计算另一个作业。

有点讽刺的是，提高 Python 速度的最好办法就是完全避免使用 Python。
另外也可以考虑*混合式编程*（hybridization），
比较不错的就是 [Gluon 框架](https://mxnet.apache.org/versions/1.3.1/gluon/index.html)。
我们建议感兴趣的读者在读完本章后，阅读混合式编程部分（ :numref:`sec_hybridize` ）来了解编译。
:end_tab:

:begin_tab:`tensorflow`
Expand Down
Loading