原创 【譯】使用 ChatGPT 和 Azure Cosmos DB 構建智能應用程序

原文 | Mark Brown 翻譯 | 鄭子銘 隨着對智能應用程序的需求不斷增長,開發人員越來越多地轉向人工智能(AI)和機器學習(ML),以增強其應用程序的功能。聊天機器人已經成爲提供對話式人工智能的最流行方式之一。ChatGPT是Op

原创 【譯】.NET 7 中的性能改進(十三)

原文 | Stephen Toub 翻譯 | 鄭子銘 代碼生成 (Code generation) .NET 7的regex實現有不少於四個引擎:解釋器(如果你不明確選擇其他引擎,你會得到什麼),編譯器(你用RegexOptions.Com

原创 【譯】.NET 7 中的性能改進(十二)

原文 | Stephen Toub 翻譯 | 鄭子銘 New APIs 在.NET 7中,Regex得到了幾個新的方法,所有這些方法都能提高性能。新的API的簡單性可能也誤導了爲實現它們所需的工作量,特別是由於新的API都支持ReadOnl

原创 【譯】.NET 7 中的性能改進(十一)

原文 | Stephen Toub 翻譯 | 鄭子銘 同樣,爲了不做不必要的工作,有一個相當常見的模式出現在string.Substring和span.Slice等方法中。 span = span.Slice(offset, str.Len

原创 【譯】.NET 7 中的性能改進(十)

原文 | Stephen Toub 翻譯 | 鄭子銘 最後一個有趣的與IndexOf有關的優化。字符串早就有了IndexOf/IndexOfAny/LastIndexOf/LastIndexOfAny,顯然對於字符串來說,這都是關於處理字符

原创 【譯】.NET 7 中的性能改進(九)

原文 | Stephen Toub 翻譯 | 鄭子銘 原始類型和數值 (Primitive Types and Numerics) 我們已經看過了代碼生成和GC,線程和矢量化,互操作......讓我們把注意力轉向系統中的一些基本類型。像in

原创 【譯】.NET 7 中的性能改進(八)

原文 | Stephen Toub 翻譯 | 鄭子銘 Mono 到目前爲止,我一直提到 "JIT"、"GC "和 "運行時",但實際上在.NET中存在多個運行時。我一直在談論 "coreclr",它是推薦在Linux、macOS和Windo

原创 【譯】.NET 7 中的性能改進(七)

原文 | Stephen Toub 翻譯 | 鄭子銘 Arm64 在.NET 7中,大量的努力用於使Arm64的代碼生成與x64的代碼生成一樣好或更好。我已經討論了一些與架構無關的PR,還有一些是專門針對Arm的,但還有很多。我們來列舉其中

原创 【譯】.NET 7 中的性能改進(六)

原文 | Stephen Toub 翻譯 | 鄭子銘 矢量化 (Vectorization) SIMD,即單指令多數據 (Single Instruction Multiple Data),是一種處理方式,其中一條指令同時適用於多條數據。你

原创 【譯】.NET 7 中的性能改進(五)

原文 | Stephen Toub 翻譯 | 鄭子銘 循環提升和克隆 (Loop Hoisting and Cloning) 我們之前看到PGO是如何與循環提升和克隆互動的,這些優化也有其他改進。 從歷史上看,JIT對提升的支持僅限於將一個

原创 【譯】.NET 7 中的性能改進(四)

原文 | Stephen Toub 翻譯 | 鄭子銘 邊界檢查消除 (Bounds Check Elimination) 讓.NET吸引人的地方之一是它的安全性。運行時保護對數組、字符串和跨度的訪問,這樣你就不會因爲走到任何一端而意外地破壞

原创 【譯】.NET 7 中的性能改進(三)

原文 | Stephen Toub 翻譯 | 鄭子銘 PGO 我在我的 .NET 6 性能改進一文中寫了關於配置文件引導優化 (profile-guided optimization) (PGO) 的文章,但我將在此處再次介紹它,因爲它已經

原创 【譯】.NET 7 中的性能改進(二)

原文 | Stephen Toub 翻譯 | 鄭子銘 堆棧替換 (On-Stack Replacement) 堆棧替換 (OSR) 是 .NET 7 中最酷的 JIT 功能之一。但要真正瞭解 OSR,我們首先需要了解分層編譯 (tiered

原创 【譯】.NET 7 中的性能改進(一)

原文 | Stephen Toub 翻譯 | 鄭子銘 一年前,我發佈了.NET 6 中的性能改進,緊接着是.NET 5、.NET Core 3.0、.NET Core 2.1和.NET Core 2.0的類似帖子。我喜歡寫這些帖子,也喜歡閱

原创 【譯】使用 ML.NET 進行機器學習 - 集羣完整指南

原文 | Nikola M. Zivkovic 翻譯 | 鄭子銘 在之前的幾篇文章中,我們探索了一些基本的機器學習算法。到目前爲止,我們介紹了一些簡單的迴歸算法,分類 算法。我們使用 ML.NET 實現和應用這些算法。到目前爲止,我們探索了