将你的原生 Javascript 应用程序转换为 TypeScript

将你的原生Javascript应用程序转换为TypeScript这篇文章将介绍在此处设置的。这个repo是普通的Javascript，在Node.js上运行并使用Express。包括一些基本测试，但它尽可能简单。我们将介绍一些在尝试从Javascript迁移到使用TypeScript时可以采取的策略。这篇文章不会深入讨论TypeScript编程概念，只会简要介绍它们，因为它们本身就是大量信息。如果想了解更多信息，官方的是一个很好的资源

AI 尝试将 Python 代码转换为 C++。

AI尝试将Python代码转换为C++。[Alexander]创建了codex_py2cpp作为试验Codex的一种方式，Codex是一种旨在将自然语言翻译成代码的AI。然而，[Alexander]的想法略有不同，并创造codex_py2cpp了一种将Python自动转换为C++的想法的方式。它并不是真的打算创建健壮的代码转换，但就实验而言，它非常简洁。该程序通过读取Python脚本作为输入文件来工作，设置一些参数，然后向OpenAI的CodexAPI发出请求以进行转换。然后它会尝试编译结果。如果编译成功，那么希望生成的可执行文件实际上与输入文件的工作方式相同。如果不？嗯，学习也很有趣。如果你试一试，也许从简单开始，不要扔太多曲线球。Codex是一个有趣的想法，这不是我们看到的第一个以这种方式使用机器学习概念的实验。我们已经看到了一个基于口头描述生成Linux命令的项目，我们自己的[MayaPosch]仔细研究了GitHubCopilot，这是一个充满希望和概念的项目，但是——至少在当时——远不如此当谈到实际的实用性或实用性时。

Azure AI 入门 （三）摩尔定律，GPU与并行计算

AzureAI入门（三）摩尔定律，GPU与并行计算摩尔定律(图一）是英特尔Intel创始人之一戈登·摩尔的经验之谈，其核心内容为：集成电路IC相同面积上可以容纳的晶体管Transistor数目在18个月到24个月便会增加一倍，因此处理器的性能大约每两年翻一倍，同时价格下降为之前的一半。虽然名为“定律”，但其只是根据20世纪中后期的发展趋势归纳而成。进入21世纪以后，以英特尔为代表的中央处理器CPU的发展趋势渐渐慢于摩尔的预测的。仅依靠单颗处理器的速度提升已无法满足日渐复杂的计算任务，比如3维图形的渲染（3Drendering)。因此，英伟达Nvidia在1999年提出了硬件图形处理器（GraphicsProcessingUnit)的概念，以大量的只能完成某些特殊任务的微处理器，代替少量的通用处理器。软件方面，并行计算也从专业科学领域逐渐向大众领域流行。用一个可能不是最恰当的比方，CPU像是由4位特级厨师组成的小组，可以完成任何烹饪任务，而GPU像是用同样工资请来的128位三明治店的员工。GPU不能做很多事，像完成一些特定的菜，但如果任务是制作2000人份的三明治，GPU一定可以依靠并行计算比CPU完成得快许多。GPU与并行计算的普及，也使得云计算成为了可能。计算机科学家在设计计算任务时通常会首先考虑能否将大任务拆分成能同时进行的更小任务，从而可以同时运行在服务商提供的大量数目的CPU和GPU上。图二英伟达创始人黄仁勋JensenHuang