Para el módulo de preprocesamiento de yamrt quantization_aware training, implementamos la cuantificación cero del operador de convolución y el valor preestablecido del gráfico de símbolo cero. Nos preparamos para la cuantificación dinámica agregando el entrenamiento del conjunto de datos de ImageNet a YaMRT.Se actualizó el script de inicio de ZKNode, se agregó la prueba de inicio de la carga de trabajo, se verificó la información de registro del servidor y se configuraron las bibliotecas dependientes para ocultar la configuración. Se encontraron la prueba de red de prueba de ZKNode, el informe de errores de la base de datos, el error de reinicio del tamaño del bloque, el uso excesivo de la red, etc. Optimización del rendimiento de la versión de GPU: aceleración polinomial H 5x, aceleración del generador de prueba 2x.La rama de prueba del mecanismo de consenso de Cuckoo modifica el algoritmo de ajuste de dificultad para controlar el parámetro de intervalo de bloque y agrega un parámetro de línea de comando.La rama de prueba del mecanismo de consenso de Cuckoo agrega un modo carryTx para controlar el estado del bloque según el número de transacciones. se utiliza como capa de almacenamiento Torrent FS y caché hash. Se agregaron pruebas de base de datos y pruebas unitarias a golang-kv. Se corrigió el problema de la carrera de consenso. Se corrigieron otros problemas, como la comparación de errores entre pares.Progreso de la operaciónEl evento NFT airdrop de la comunidad de investigación para productos en los campos de Web 3.0, NFT y DeFi siguió prestando atención a proyectos populares en el mercado y analizó la lógica del proyecto y los modelos económicos.
Sitio web | GitHub | Gorjeo | Facebook | Reddit | Cacao | Correo | Discordia | Telegram
[Cortex Updates] 2022–98호 se publicó originalmente en Cortex Labs en Medium, donde las personas continúan la conversación resaltando y respondiendo a esta historia.