#performance-optimization Repository
489 repository in totale
I/O non bloccante a basso overhead, implementazione di processi esterni per Java
Misura la differenza tra due stringhe con l'implementazione JS piรน veloce dell'algoritmo di distanza di Levenshtein
cmix รจ un programma di compressione dati senza perdite progettato per ottimizzare il rapporto di compressione a scapito di un alto utilizzo di CPU/memoria.
Implementazioni ottimizzate di varie funzioni di libreria per processori con architettura ARM
Un'implementazione zlib in Rust disponibile come libreria dinamica C e come crate Rust
Verificatore di sicurezza transazionale black-box basato sul rilevamento dei cicli
CachedAsyncImage รจ il modo piรน semplice per aggiungere una cache al tuo AsyncImage.
Dotfile per Arch Linux / Hyprland / Quickshell curati nei dettagli e orientati alle prestazioni, con temi dinamici, widget personalizzati e un flusso di lavoro rapido e moderno.
Un decoratore per la memorizzazione nella cache delle proprietร nelle classi.
LeanRL รจ un fork di CleanRL, dove alcuni script PyTorch sono stati ottimizzati per le prestazioni utilizzando compile e cudagraphs.
Implementazione MessagePack ultraveloce con estensione per il clonaggio di record e strutturali / msgpack.org[JavaScript/NodeJS]
Un abilitatore JIT per iOS 17 con un computer Windows/macOS sulla stessa rete WiFi!
Competenze JS di base richieste per il frontend delle grandi aziende tecnologiche, domande su scenari di grandi aziende tecnologiche, vere domande di colloquio di grandi aziende tecnologiche. Issue e PR per arricchire le domande su scenari sono benvenuti.
Momenti accumulati. Un tema Hugo portato da SumiMakito/hexo-theme-Journal.
Una piccola (da 130B a 205B) e veloce utility per generare ID casuali di lunghezza fissa
Soluzione di illuminazione ottimizzata basata su voxel e analitica per Unity e VRChat
Pacchetto R per calcolare e tracciare previsioni, pendenze, medie marginali e confronti (contrasti, rapporti di rischio, odds, ecc.) per oltre 100 classi di modelli statistici e ML. Condurre test di ipotesi lineari e non lineari o test di equivalenza. Calcolare stime di incertezza utilizzando il metodo delta, il bootstrapping o l'inferenza basata su simulazione