Spark 3.3.x版本中的动态分区裁剪（DPP，Dynamic Partition Pruning）的实现及应用剖析
一种通用的描述是，DPP在分区级别过滤数据，注意它有别于`Partitioin Filter`。DPP是在`execute`阶段生效，对从数据源加载的`InputPartition`（Spark内部计算数据时定义的数据类型）进一步过滤，减少传递到下游算子的数据量；而`Partition Filter
yolov8（目标检测、图像分割、关键点检测）知识蒸馏：logit和feature-based蒸馏方法的实现
支持yolov8检测、分割、关键点任务的知识蒸馏，并对蒸馏代码进行详解，比较容易上手。蒸馏方式多种，支持logit和feature-based蒸馏以及在线蒸馏。
DeepSparse: 通过剪枝和稀疏预训练，在不损失精度的情况下减少70%的模型大小，提升三倍速度
这篇论文提出了一种高稀疏性基础大型语言模型（LLMs）的新方法，通过有效的预训练和部署，实现了模型在保持高准确度的同时，显著提升了处理速度。
【leetcode】深搜、暴搜、回溯、剪枝（C++）1
【代码】【leetcode】深搜、暴搜、回溯、剪枝（C++）1。
基于Minimax和Alpha-Beta剪枝实现的C语言五子棋AI入门
五子棋AI是上大学第一学期做的第一个工程，其中断断续续做了近一个月时间，其中的思路和估值参考了许多这位大神的作品lihongxun，但其中有些算法功能还未能完全掌握运用，不过目前棋力很多时候已不输于其AI。由于没有掌握C++，而项目开始时过于自信，虽然程序中用了类，但实则为一个实实在在的C语言项目，
【博弈论】极小极大搜索（Minimax Algorithm）与α-β剪枝（Alpha-Beta Pruning）
将当前棋局作为根节点，假设现在该Max方走了，Max方需要枚举根节点的所有子节点，来判断哪个子节点所对应的格局的静态估计函数的数值，那么这个节点对于Max方就最有利，Max方的下一步应该将格局转变为这个子节点的格局。而对于Min方而言，因为是敌方做决策，我们无法控制敌方选择哪种策略，假设敌方足够聪明
模型优化之模型剪枝
（2）非结构化剪枝：把权重矩阵中某个神经元节点去掉，则和神经元相连接的突触也要全部去除。可以通过计算神经元对应的行和列的权重值的平方和的根的大小进行排序，把排序在后面一定比例的神经元节点去掉。Pytorch中模型的剪枝方法有三种，局部剪枝、全局剪枝和自定义剪枝。接下来开始演示三种剪枝在LeNet网络
【人工智能】超详细，一文懂Alpha-Beta剪枝
Alpha-Beta剪枝的理解以及解题过程。
模型压缩（一）通道剪枝-BN层
通道剪枝
yolov5模型压缩之模型剪枝
稀疏剪枝
模型压缩（二）yolov5剪枝
yolov5剪枝
yolov5模型压缩之模型剪枝
稀疏剪枝
【算法题】LeetCode691、贴纸拼词（剪枝+记忆化搜索）
帖纸拼词问题（剪枝+记忆化搜索）
《模型轻量化-剪枝蒸馏量化系列》YOLOv5无损剪枝（附源码）
无损剪枝模型到几百kb~
Acwing 167.木棒（剪枝必刷题）
超经典剪枝例题，没刷过的一定要看看
机器学习——决策树（一）
决策树；剪枝策略；ID3算法；C4.5算法；CART算法
