陈杰的个人网站

早期有一篇公众号文章介绍了蒙特卡洛法计算圆周率，也是中学课本的经典例子，投掷大头针的方法来计算圆周率。用计算机模拟的本质就是从边长为2的正方形中均匀采样，如果样本点落中单位圆内则计数器加1，最终用落在单位圆内的点除以总的样本点，近似等于圆的面积除以正方形面积。

最近的文章都是关于概率论和信息论相关的概念，计划把概率论的基本概念做系统的梳理，笔者认为理解基础的概念远比项目代码重要，感兴趣的读者朋友可以回头看整个系列专题，笔者单独整理了合集。

之前在浅说熵中介绍过熵这个概念，自我感觉说得不够清晰明了，决定再来谈谈熵，以及熵在实际生活中的应用。熵最初是物理学中的概念，用于描述一个系统的混乱程度，越是无序的系统，熵越大；在没有外部能量输入的情况下，系统的演化方向是朝着熵增加的方向。

之前介绍了计算机如何产生随机数，同时也整理了常用的概率分布。现在我们来考虑这样的问题，如何得到服从正态分布的样本？，在计算机如何产生随机数中我们用线性同余发生器生成了随机数，这些随机数实际上就是服从$U(0,1)$的均匀分布，意味在$(0,1)$范围内，每个样本被抽取概率是一样的。

本篇文章整理常用的一些概率分布,这些经典的概率分布是实际生活中非常有用。之后的文章都会用到这些基础的概率分布。

计算机很容易产生随机数，很多编程语言提供了非常便捷的接口，获取各种条件的随机数。这篇文章主要介绍计算机是如何得到这些随机数的。理解本文需要一点点数列知识。

在服务器有网络的情况下，直接配置公开的源，速度已经非常快，也很方便。然而有些情况下服务器不方便安装网络，使用python安装包就变得非常麻烦，下载文件然后上传很折腾，如果团队这么做效率很低，这时就需要搭建私有的pip源。

一、概述

Triton 推理服务器可助力团队在任意基于 GPU 或 CPU 的基础设施上部署、运行和扩展任意框架中经过训练的 AI 模型，进而精简 AI 推理。同时，AI 研究人员和数据科学家可在不影响生产部署的情况下，针对其项目自由选择合适的框架。它还帮助开发者跨云、本地、边缘和嵌入式设备提供高性能推理。