机器学习

机器学习的工程化:从实验模型到生产系统的落地之路

机器学习系统与普通软件系统最本质的区别在于:ML系统由代码和数据共同构成。实验中一个超参数的微小变化可能导致线上效果剧烈波动。这种不确定性基于数据的变化通过代码传播到模型的复杂因果关系,使得ML系统的工程化远比传统软件工程复杂。

LLVM 编译器基础设施深度实战:从 IR 中间表示到 Pass 优化管道、JIT 编译引擎与 MLIR 多级表示的完全工程指南

LLVM编译器基础设施深度实战:从IR中间表示、SSA形式、Pass优化管道系统、Clang前端AST、TableGen后端描述、OrchJIT引擎、Sanitizer内存/并发安全工具、MLIR多级表示框架到生产级工程实践(编译时间优化、PGO、C++ Modules)的完全工程指南