### 16. 参数的使用与编程方法 主讲人：古月 ## 参数模型  参数模型（全局字典） ## • 创建功能包 $ cd ~/catkin_ws/src $ catkin_create_pkg learning_parameter [Image](/uploads/documents/5/4/b/6/54b6a244a47b886303397dca4e492261/p3_2.jpg) CMakeLists.txt ## 参数命令行使用 ## YAML参数文件 background_b: 255 background_g: 86 background_r: 69 rosdistro: 'melodic' roslaunch: ● 列出当前多有参数 $ rosparam list ● 显示某个参数值 $ roparam get param_key ● 设置某个参数值 $ roparam set param_key param_value ● 保存参数到文件 $ roparam dump file_name ● 从文件读取参数 $ roparam load file_name ● 删除参数 $ roparam

以大化小，层级分治 弹性、智能、动态、自愈 高效能，控制总成本 ANYTHING THAT CAN GO WRONG WILL GO WRONG. ## 整体系统拆解 app端（百度app+多矩阵产品） 预加载 云控 小程序 支持系统 并发优化 配置管理系统 统一接入 信息流+视频 指挥与决策系统 摇一摇红包 语音+搜索 刷新优化 动态调度 小程序（预加载，资源预置） [Image](/uploads/documents/7/a/4/9/7a49fd8b2d598618d8439fe3a7db198e/p12_1.jpg) ✓多级异常容忍能力，自适应，层级化自治 · 动态参数，自适应 • 预测，online结合nearline召回 能屈能伸： ✓高效简化版本，实现过载兜底 ✓周边极致优化，无短板 Best Effort模式  动态取舍 多级模型降级 流量调度+cache 过载部分简化兜底 ## Feed信息流：能屈能伸，动态参数自适应 - 不变的： ✓可用机器资源有上限 ✓稳定性不可打折

numa_balancing.....5 3.4 关闭 sched_autogroup.....6 3.5 关闭唤醒抢占.....6 3.6 网络参数调优.....6 3.7 IO 参数调优.....7 3.8 缓存参数调优.....7 3.9 内核优化.....8 3.10 mysql 进程绑核.....9 ### 1.1 MySQL介绍 ### 1.2 调优原则 能低，也许并不是它自己造成的，而是其他方面造成的。如CPU利用率是100%时，很可能是内存容量太小，因为CPU忙于处理内存调度。 - 一次只对影响性能的某方面的一个参数进行调整，多个参数同时调整的话，很难界定性能的影响是由哪个参数造成的。 由于在进行系统性能分析时，性能分析工具本身会占用一定的系统资源，如CPU资源、内存资源等等。我们必须注意到这点，即分析工具本身运行可能会导致系统某方面的资源瓶颈情况更加严重。 ，出现物理内存不足时，虚拟内存设置也不合理，虚拟内存的交换效率就会大大降低，从而导致行为的响应时间大大增加，这时认为操作系统上出现性能瓶颈。| |数据库|一般指的是数据库配置等方面的问题。例如，由于参数配置不合理，导致数据库处理速度慢的问题，可认为是数据库层面的问题。| # 2 硬件调优 ### 2.1 BIOS配置 ### 2.1 BIOS 配置 目的 对于不同的硬件设备，通过在BIOS

in Programming Languages》提出了两个概念： 特设多态（ad-hoc）： void print(string s) {} void print(int i) {} 参数化多态（Parametric）： template T Add(T a, T b) { return a + b; } 子类型多态，行多态…： a } return b } 非常接近最终形态 对之前遗留的问题开始寻找解决方案： 完善了类型推导方案 完善了类型检查方案 3. 问题： 语法：类型参数定义在左边，使用在右边 类型推导虽然提出了方案，但过于复杂不好工程化 ’ alt=‘OCR图片’/> 其他 其他 [] or <>? a, b = w < x, y > (z) => a Parameters (2021) 泛型类型定义 type parameter type constraint type V any []T 泛型函数定义： 使用[]定义，传递类型参数 定义使用都在右边 使用类型集约束参数范围 支持类型推导 不支持泛型方法 type parameter type constraint func F any (v T) ([]T, error) ’ alt=‘OCR图片’/>

从线性回归到深度网络 ..... 92 3.2 线性回归的从零开始实现 ..... 95 3.2.1 生成数据集 ..... 95 3.2.2 读取数据集 ..... 96 3.2.3 初始化模型参数 ..... 98 3.2.4 定义模型 ..... 98 3.2.5 定义损失函数 ..... 98 3.2.6 定义优化算法 ..... 98 3.2.7 训练 ..... 99 102 3.3.4 初始化模型参数 ..... 103 3.3.5 定义损失函数 ..... 103 3.3.6 定义优化算法 ..... 103 3.3.7 训练 ..... 104 3.4 softmax 回归 ..... 105 3.4.1 分类问题 ..... 106 3.4.2 网络架构 ..... 106 3.4.3 全连接层的参数开销 ..... 107 3 111 3.5.2 读取小批量 ..... 113 3.5.3 整合所有组件 ..... 114 3.6 softmax 回归的从零开始实现 ..... 115 3.6.1 初始化模型参数 ..... 115 3.6.2 定义 softmax 操作 ..... 116 3.6.3 定义模型 ..... 117 3.6.4 定义损失函数 ..... 117 3.6.5 分类精度