这不很清楚吗？在moco的基础上，加了一个label 的队列

纯python 的话，可以参考minitorch:https://github.com/minitorch/minitorch

MiniTorch 是一个Torch API 的纯Python 重新实现，展示了从零开始构建一个张量和自动微分库.

如果C++还行的话，可以看看一些开源的前向预测框架，最简单的可以先看

https://github.com/Tencent/FeatherCNN

只有forward, 而且接口和Caffe一致，阅读成本低

居然没有人说硬件debug，做硬件要是出bug,要从pcb查到电路板再查驱动再查逻辑代码，感觉也是够呛

学到了，牛逼

题主的业务背景是文章搜索，选型上倾向于es.个人的想法如下：

（1）虽然mongo和es都支持全文搜索，但是es天然就是为了搜索而生的，全文搜索上还是会优先选择es

(2) 在深度学习时代，搜索匹配经历了从：item matching --> vector matching的发展，新版本的es支持密集向量索引，如果题主后面想引入密集特征搜索，也可以直接复用es（虽然有更为专业的faiss等特征检索框架，但是从方便开发的角度来说，es同时支持可以减少开发量）

（3）es的工具丰富，有可视化的kibana,同时也有适合做日志的logtash,感觉可以一套撸下来

本人没有很深的数据库背景，所以有些不对的地方就请大家指正拉

• 规范写代码

（1）python代码静态检查插件：pylint 和 flake8 让你写出符合规范的代码

• 快速写代码

  Tabnine :人工智能补全，非常丝滑

• 代码高亮

  Bracket Pair Colorizercoenraads：对各级括号高亮，代码更清晰-

• 查看git历史

  Gitlens

（1）官方文档不是很详细 （2）搜索相关的基础概念：《elasticsearch 实战与原理解析》的前三章，了解一下倒排索引等概念， （3）es的完整生态：ELK stack ，可以看《ELK stack权威指南》，有详细的操作

• 深度学习训练：pytorch,tensorflow,让你轻松入门深度学习
• 深度学习前向优化：torch2trt,方便快捷的将pytorch等模型转到trt，提高gpu的利用效率
• yacs：深度学习训练配置文件管理
• gradio: 快速搭建深度学习demo

牛逼

不是30岁之后就ICU吗，滑稽

棒棒