Java编程训练第25页

如何下载《Java编程讲义》的配套资源？

根据《Java编程讲义》的配套资源获取方式，以下是2025年最新下载指南：一、官方指定渠道‌清华大学出版社官网‌访问官网教材支持板块→搜索书名→获取配套PPT课件、习题答案及源码需验证教材ISBN（9787302591993

·2025-06-25 12:48

预训练语言模型

预训练任务：通过掩码语言模型（MLM）学习上下文依赖。应用场景：文本分类、实体识别、语义匹配等NLU任务

lynnzon·2025-06-25 11:10

大模型学习（Datawhale_Happy-LLM）笔记4: 预训练语言模型

大模型学习（Datawhale_Happy-LLM）笔记4:预训练语言模型一、概述本章按Encoder-Only、Encoder-Decoder、Decoder-Only的顺序来依次介绍Transformer

lxltom·2025-06-25 11:09

预训练语言模型之：Encoder-only PLM

1.基础架构：TransformerEncoder所有模型的基石都是TransformerEncoder结构，其核心是自注意力机制：Attention(Q,K,V)=softmax(QKTdk)V\text{Attention}(Q,K,V)=\text{softmax}\left(\frac{QK^T}{\sqrt{d_k}}\right)VAttention(Q,K,V)=softmax(dk

抱抱宝·2025-06-25 10:36

【ICML2024】TimesFM：无需训练！时间序列预测迎来新纪元！

论文地址：https://arxiv.org/pdf/2310.10688代码地址：https://github.com/google-research/timesfm/为了更好地理解时间序列模型的理论与实现，推荐参考UP“ThePPP时间序列”的教学视频。该系列内容系统介绍了时间序列相关知识，并提供配套的论文资料与代码示例，有助于理论与实践相结合。https://space.bilibili.c

ThePPP_FTS·2025-06-25 10:06

Python 调用大模型：解锁人工智能的无限可能

大模型的定义（二）大模型的特点（三）大模型的原理（四）大模型的发展历史二、Python调用大模型的实现方法（一）使用OpenAIAPI设置API密钥定义提示文本调用OpenAIAPI输出生成的文本加载预训练模型和分词器

CarlowZJ·2025-06-25 10:04

如何避免Java编程中的常见错误？

️系统性避免Java常见错误的解决方案（含最佳实践）‌一、静态防护（预防性编码）‌‌严格遵循代码规范‌使用final修饰不可变量，防止意外修改方法参数校验使用Objects.requireNonNull()javaCopyCodepublicUsergetUser(finalStringid){Objects.requireNonNull(id,"ID不能为空");//防御性校验returnuse

·2025-06-25 08:08

服务器系统安装文档,服务器系统安装

服务器系统安装内容精选换一换Atlas800训练服务器(型号9000)安装上架、服务器基础参数配置、安装操作系统等操作请参见《Atlas800训练服务器用户指南(型号9000,风冷)》或《Atlas800

你细品品·2025-06-25 08:22

大模型在支气管哮喘慢性持续期全流程风险预测与治疗方案制定中的应用研究

诊断标准与方法三、大模型技术原理与应用现状3.1大模型的基本原理3.2在医疗领域的应用案例分析3.3适用于支气管哮喘预测的大模型选择四、大模型在支气管哮喘术前预测中的应用4.1数据收集与预处理4.2模型训练与验证

LCG元·2025-06-25 08:49

无线通信中的多智能体强化学习：基于CTDE-MAPPO的功率控制优化

无线通信中的多智能体强化学习：基于CTDE-MAPPO的功率控制优化摘要本文提出了一种基于集中训练分布式执行(CTDE)框架的多智能体近端策略优化(MAPPO)算法，用于解决无线通信网络中的分布式功率控制问题

pk_xz123456·2025-06-25 06:30

LeRobot: 让机械臂接入大模型

目标是降低机器人技术的准入门槛，以便每个人都可以从共享数据集和预训练模型中受益。LeRobot包含最

小众AI·2025-06-25 05:57

Java 多线程编程

多线程编程是Java编程中一个重要的组成部分，它允许程序同时执行多个任务，从而提高程序的执行效率和响应速度。

·2025-06-25 03:46

2025B卷 - 华为OD机试七日集训第1期 - 按算法分类，由易到难，循序渐进，玩转OD（Python/JS/C/C++）

哪吒·2025-06-25 02:38

微软ASR与开源模型分析

一、微软ASR核心能力1.支持场景场景功能实时语音转文本低延迟流式识别（会议字幕/直播转录）音频文件转文本支持多种格式（WAV/MP3等），批量处理长音频定制化模型针对特定行业术语（医疗/金融）训练专属模型多语言混合识别中英文混合

老兵发新帖·2025-06-24 23:45

大模型分布式训练deepspeed环境搭建

1.deepspeed介绍1.1简介DeepSpeed是一个由微软开发的开源深度学习优化库，旨在提高大规模模型训练的效率和可扩展性。

transformer变压器·2025-06-24 20:25

通义万相2.1技术深度解析

768维嵌入）改进型图像编码器（EfficientNet-B7+自注意力）扩散主干网络改进型U-Net架构（128层残差块）多尺度交叉注意力机制动态卷积核分配自适应噪声调度系统非线性噪声衰减算法分阶段训练策略分布式训

accurater·2025-06-24 20:52

如何高效训练通义万相2.1的LoRA：从原理到实战指南

本文将详细解析训练通义万相2.1LoRA的全流程，助你掌握定制专属AI艺术家的核心技能。一、认识通义万相2.1与LoRA1.1通义万相2.1核心特性多模态理解：精准解析复杂文本提示（

Liudef06小白·2025-06-24 20:50

Day 40训练

Day40训练PyTorch图像数据训练与测试的规范写法单通道图像的规范训练流程数据预处理与加载模型定义训练与测试函数封装模型训练执行彩色图像的扩展应用数据预处理调整模型结构调整关键要点总结知识点回顾：

Nina_717·2025-06-24 20:20

DAY 39 图像数据与显存

目录DAY39图像数据与显存1.图像数据的格式：灰度和彩色数据2.模型的定义3.显存占用的4种地方a.模型参数+梯度参数b.优化器参数c.数据批量所占显存d.神经元输出中间状态4.batchisize和训练的关系作业

HINOTOR_·2025-06-24 19:47

DAY 40 训练和测试的规范写法

目录DAY40训练和测试的规范写法1.彩色和灰度图片测试和训练的规范写法：封装在函数中2.展平操作：除第一个维度batchsize外全部展平3.dropout操作：训练阶段随机丢弃神经元，测试阶段eval

HINOTOR_·2025-06-24 19:16

使用Simulink结合MATLAB进行基于强化学习控制下的动态滤波器参数调节系统的仿真

目录一、背景介绍二、所需工具和环境三、步骤详解步骤1：定义系统需求示例：定义系统需求步骤2：准备强化学习环境步骤3：训练强化学习代理步骤4：创建Simulink模型步骤5：添加信号源步骤6：合并信号步骤

amy_mhd·2025-06-24 19:12

Java编程中的设计模式：单例模式的深度剖析

实现单例模式有多种方式，最常见的包括懒汉式和饿汉式。懒汉式延迟实例的创建直到首次被引用，而饿汉式在类加载时就立即创建实例。一个基本的懒汉式单例模式的代码：publicclassSingleton{privatestaticSingletoninstance;privateSingleton(){}publicstaticsynchronizedSingletongetInstance(){if(i

foundbug999·2025-06-24 18:30

预训练目标：BERT 更适配 “理解类” 任务

在NLP任务中，更倾向于用BERT而非GPT做预训练，核心原因与两者的模型设计、任务适配性、资源成本有关，具体可从以下维度拆解：一、预训练目标：BERT更适配“理解类”任务BERT的双向预训练目标：通过掩码语言模型

·2025-06-24 17:26

从7B到671B：DeepSeek R1大模型微调的GPU选型终极指南

这种指数级增长不仅考验硬件工程师的决策能力，更揭示了算力投资的核心法则：选错GPU的代价，远不止于训练失败——轻则增加30%推理延迟，重则造成百万级硬件成本的浪费。我们

卓普云·2025-06-24 17:54

使用预训练权重在YOLO模型上训练新数据集的完整指南

使用预训练权重在YOLO模型上训练新数据集的完整指南引言在目标检测领域，迁移学习已成为提升模型性能的关键技术。

马里马里奥-·2025-06-24 15:14

解决YOLO模型从Python迁移到C++时目标漏检问题——跨语言部署中的关键陷阱与解决方案

问题背景当我们将Python训练的YOLO模型部署到C++环境时，常遇到部分目标漏检问题。这通常源于预处理/后处理差异、数据类型隐式转换或模型转换误差。

马里马里奥-·2025-06-24 15:43

好用的小而美的AI Agent

Agent：提升开发效率三.小而美Agent分类1.通用Agent2.垂直Agent3.计算机使用智能体CUA4.可交互的Agent四.构建AIAgent的平台量身定制AIAgent步骤五.技术细节：训练方法一

晋丑丑·2025-06-24 14:38

Python训练营-day1

题目1：了解变量与输出题目：定义a、b、c的值，并输出这三个值输入：无输出：111a=1b=1c=1print(a)print(b)print(c)进阶思考：如何只用一行print输出a、b、ca,b,c=1,2,3print(a,"\n",b,"\n",c,"\n")输出结果：123明显不符合题意，问题出在：输出结果第二行与第三行比第一行多一个空格，是因为在print函数中，多个参数之间默认会用

HinoaMinoto·2025-06-24 13:00

Python训练营---DAY54

DAY54Inception网络及其思考知识点回顾：传统计算机视觉发展史：LeNet-->AlexNet-->VGGNet-->nceptionNet-->ResNetinception模块和网络特征融合方法阶段性总结：逐元素相加、逐元素相乘、concat通道数增加等感受野与卷积核变体：深入理解不同模块和类的设计初衷作业：一次稍微有点学术感觉的作业：对inception网络在cifar10上观察精

2501_91182850·2025-06-24 13:59

大模型在支气管哮喘急性发作期预测及治疗方案制定中的应用研究

诊断标准与方法三、大模型技术原理与应用现状3.1大模型的基本原理3.2在医疗领域的应用案例分析3.3适用于支气管哮喘预测的大模型选择四、大模型在支气管哮喘术前预测中的应用4.1数据收集与预处理4.2模型训练与验证

LCG元·2025-06-24 11:48

解锁 AI 算力网络与通信对 AI 训练的赋能密码

解锁AI算力网络与通信对AI训练的赋能密码关键词：AI算力网络、通信、AI训练、赋能、密码解锁摘要：本文旨在深入探讨AI算力网络与通信在AI训练中所起到的关键作用，就像解开一个神秘的密码一样，去挖掘它们如何为

AI算力网络与通信·2025-06-24 11:45

深入理解 Java 的 Comparator 链式调用

在Java编程中，Comparator接口是实现对象排序的核心工具。自Java8引入函数式编程特性后，Comparator提供了强大的链式调用能力，允许通过组合多个比较器来构建复杂的排序逻辑。

潜意识Java·2025-06-24 10:43

性能监控与智能诊断系统的全流程

闭环进化：告警反馈驱动模型训练，系统自学习优化。解耦设计：各模块职责清晰，通过消息队列（Kafka）连接。系统全流程解析（分步详解）：起点：

·2025-06-24 10:09

yolov5 yolov8 yolov10 Ultralytics 奇奇怪怪的错误汇总:【版本兼容，模型训练，数据加载，模型加速】

文章大纲ultralyticsYOLO最新版本问题Numpyisnotavailable不同小版本的网络不兼容问题RuntimeError:Theexpandedsizeofthetensor(1)mustmatch...RuntimeError:torch.cat():Sizesoftensorsmustmatchexceptindimension1.Got24and23indimension2

shiter·2025-06-24 07:50

【LLM】两篇多模态LLM综述MultiModal Large Language Models

的趋势：(1)从专门强调MM理解对特定模态的生成的进展，并进一步演变为任何到任何模态的转换(例如，MiniGPT-4→MiniGPT-5→NExT-GPT)；(2)从MMPT提升到SFT，然后到RLHF，训练管道进行连续细化

心上之秋·2025-06-24 07:49

Python打卡训练营-Day38-Dataset和Dataloader类

@浙大疏锦行知识点回顾Dataset类的__getitem__和__len__方法（本质是python的特殊方法）Dataloader类minist手写数据集的了解作业了解下cifar数据集，尝试获取其中一张图片importtorchimporttorch.nnasnnimporttorch.optimasoptimfromtorch.utils.dataimportDataLoader,Data

traMpo1ine·2025-06-24 07:18

【Python打卡Day38】Dataset和Dataloader类 @浙大疏锦行

Dataset和Dataloader类在遇到大规模数据集时，显存常常无法一次性存储所有数据，所以需要使用分批训练的方法。

可能是猫猫人·2025-06-24 07:18

python训练day37 早停策略和模型权重的保持

importtorchimporttorch.nnasnnimporttorch.optimasoptimfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitfromsklearn.preprocessingimportMinMaxScalerimporttimeimportmatp

·2025-06-24 06:47

python训练day14 shap图绘制

SHAP原理目标：理解复杂机器学习模型（尤其是“黑箱”模型，如随机森林、梯度提升树、神经网络等）为什么会对特定输入做出特定预测。SHAP提供了一种统一的方法来解释模型的输出。核心思想：合作博弈论中的Shapley值SHAP(SHapleyAdditiveexPlanations)的核心基于博弈论中的Shapley值概念。想象一个合作游戏：1.玩家(Players):：模型的特征(Features)

小暖星·2025-06-24 06:47

python训练Day24 元组和OS模块

元组特点：1.有序，可以重复，这一点和列表一样2.元组中的元素不能修改，这一点非常重要，深度学习场景中很多参数、形状定义好了确保后续不能被修改。很多流行的ML/DL库（如TensorFlow,PyTorch,NumPy）在其API中都广泛使用了元组来表示形状、配置等。可以看到，元组最重要的功能是在列表之上，增加了不可修改这个需求元组的创建my_tuple1=(1,2,3)my_tuple2=('a

小暖星·2025-06-24 06:47

Python_day38Dataset和Dataloader类

DAY38在遇到大规模数据集时，显存常常无法一次性存储所有数据，所以需要使用分批训练的方法。

且慢.589·2025-06-24 06:46

1524 - BMI

题目描述小Ｘ经过刻苦训练获得了NOIP的国一，并参加了NOI，获得了保送资格，被保送到南都大学学习，进入大学以后，小Ｘ觉得中学编程太辛苦了，应该好好犒劳一下自己，刚好南都大学周边美食如云，吃不胜吃，小Ｘ

寒燕舞·2025-06-24 05:10

基于通义大模型的智能客服系统构建实战：从模型微调到API部署

文章面向具备Python和深度学习基础的开发者，重点解决以下核心问题：如何针对客服场景准备和优化训练数据？如何高效微调通义大模型以适配特定业务需求？如何解决大模型部署中的延迟和并发挑战？如何构

大熊计算机·2025-06-24 04:35

深度学习--一个分类的例子

说明：本文会实现自定义模型实现对MINIST数据集的训练，训练完之后还会使用测试集进行测试。所依托的训练集和测试集都是由datasets.MNIST获取到的。

惊讶的猫·2025-06-24 04:35

C语言课程训练系统题-一维数组

C语言课程训练系统题-一维数组1.创建并输出一个一维数组（含20个元素），数组元素的值分别是下标的3倍多22.输入10个数，找出其中最小和最大的数及其位置3.输入10个数，找出最大的数及其位置4.编写程序计算一个包含

pitepa·2025-06-24 04:33

教师-学生协同知识蒸馏机制在私有化系统中的融合路径：架构集成、训练范式与部署实践

教师-学生协同知识蒸馏机制在私有化系统中的融合路径：架构集成、训练范式与部署实践关键词：私有化部署、知识蒸馏、教师模型、学生模型、协同蒸馏、蒸馏训练、边缘部署、模型压缩、国产大模型、自监督微调摘要：随着国产大模型在企业私有化环境中的广泛部署

观熵·2025-06-24 03:25

洛谷 P3953 [NOIP2017 提高组] 逛公园

开始刷题单啦~，这部分的洛谷好题作为个人训练记录和以后复习用，有兴趣的可以一起做做题目链接：P3953[NOIP2017提高组]逛公园题意都是中文就不翻译了题解：这是一道记忆化+搜索的题目，我们可以先用迪杰斯特拉求出每个点距离起点

11011b·2025-06-24 00:10

TensorFlow：深度学习基础设施的架构哲学与工程实践革新

：从静态图到动态执行的深度架构剖析1.1静态计算图的编译优化体系1.2动态图模式的实现原理1.3混合执行模式的编译原理二、张量计算引擎的深度架构解析2.1运行时核心组件2.2计算图优化技术2.3分布式训练架构三

双囍菜菜·2025-06-23 23:35

15.1 LangChain多轮对话训练实战：打造高自然度语言学习Agent的三大核心技术

LanguageMentorAgent对话训练功能设计与实现：日常对话提示工程关键词：对话式Agent设计，日常对话模拟，多轮提示工程，上下文管理，LangChain应用1.日常对话训练的技术挑战与设计思路日常对话训练需要解决三大核心问题

少林码僧·2025-06-23 23:05

深度学习Day-38：Pytorch文本分类入门

本文为：[365天深度学习训练营]中的学习记录博客原作者：[K同学啊|接辅导、项目定制]任务：了解文本分类的基本流程学习常用数据清洗方法学习如何使用jieba实现英文分词学习如何构建文本向量1.前期准备

Point__Nemo·2025-06-23 22:55

推荐频道

Java编程训练