LeetCode训练

优选算法：四数目标和（双指针）

-力扣（LeetCode）一.题目解析题意还是比较好理解的。给一个数组，然后再数组中找到四个重复的数之和刚好等于目标和即可，再其次就是最终返回的结果不能有重复的元组。
Yuzuriha Inori·2025-04-10 07:03

大模型位置编码：RoPE的优化方案

然而，随着对超长上下文（如128k甚至更长）的需求日益增长，标准RoPE在超出其预训练长度时表现出的
kakaZhui·2025-04-10 06:23

LeetCode：匹配有效括号（C语言）

示例1：输入：s="()"输出：true示例2：输入：s="()[]{}"输出：true示例3：输入：s="(]"输出：false分析：左边进栈，右边出栈括号是成对出现，所以不能出现奇数情况当是左括号时，要对括号进行匹配栈顶元素为0或者左右不等的情况下返回false/**左括号进栈右括号出栈*///1、设置3种括号charSetKuoHao(chara){if(a=='(')return')';i
maowei-2001·2025-04-10 05:47

Leetcode：有效的括号

题目链接：20.有效的括号-力扣（LeetCode）普通版本（辅助栈+哈希表）classSolution{public:boolisValid(strings){unordered_mapm{{'(',
无聊看看天T^T·2025-04-10 05:47

分类算法：随机森林算法原理与应用

随机森林中的每棵树都是独立训练的，且在训练过程中，随机选择样本和特征，这使得模型具有很高的多样性和鲁棒性。1.1核心思想随机森林的核心思想在于“随机”和“集成”。随机性体现
kkchenjj·2025-04-10 03:04

在Python中使用GPU进行并行计算的方法

这些库能够利用GPU进行并行计算，从而加速数据处理和模型训练等任务。以下是一个使用TensorFlow和PyTorch在Python中利用GPU进行计算的详细示例。
互联网架构小马·2025-04-10 02:29

GPU教程之开始在 Python 中快速使用 GPU 进行数据科学项目(教程含源码)

过去几个月，数据科学项目的一个强劲增长趋势是对计算资源的需求不断增加，这是由于更大的数据集、更复杂的问题和模型，以及一些建模任务，如再训练和超参数微调。
知识大胖·2025-04-10 02:58

leetcode12.整数转罗马数字

循环数值由大到小以此拼接就行importjava.util.AbstractMap.SimpleEntry;importjava.util.Map.Entry;classSolution{//定义罗马数字与对应数值的数组privatestaticfinalEntry[]valueSymbols=newSimpleEntry[]{newSimpleEntry(900,"CM"),newSimpleE
ゞ 正在缓冲99%…·2025-04-09 23:08

[leetcode]1786. 从第一个节点出发到最后一个节点的受限路径数(Dijkstra+记忆化搜索/dp)

题目链接题意给定一个无向连通图，edges={u,v,w}表示uuu和vvv之间有一条无向边，边权为wwwnnn个点[1,n][1,n][1,n]每个点到nnn的最短路为dis[i]dis[i]dis[i]定义受限路径:从起点111到nnn，路径上的dis[i]dis[i]dis[i]递减求1->n的受限路径方案数方法一Dijkstra+记忆化搜索思路通过Dijkstra预处理出每个点距离nnn的
Joe_Wang5·2025-04-09 23:38

Leetcode: 贪心算法

Leetcode455:AssignCookiesAssumeyouareanawesomeparentandwanttogiveyourchildrensomecookies.But,youshouldgiveeachchildatmostonecookie.Eachchildihasagreedfactorg
想做程序媛的小太阳·2025-04-09 23:37

LeetCode 13.罗马数字转整数

LeetCode13.罗马数字转整数罗马数字包含以下七种字符:I，V，X，L，C，D和M。字符数值I1V5X10L50C100D500M1000例如，罗马数字2写做II，即为两个并列的1。
Heartache.246·2025-04-09 23:37

Java贪心算法——leetcode简单题总结

目录1、贪心算法介绍2、leetcode题分析2.1、最长回文串题目要求题目分析代码演示2.2、分发饼干题目要求题目分析代码演示2.3、数组拆分题目要求题目分析代码演示2.4、种花问题题目要求题目分析代码演示
梅川库紫·2025-04-09 23:07

LeetCode13.罗马数字转整数（三种解法）

题目描述罗马数字包含以下七种字符:I，V，X，L，C，D和M。字符数值I1V5X10L50C100D500M1000例如，罗马数字2写做II，即为两个并列的1。12写做XII，即为X+II。27写做XXVII,即为XX+V+II。通常情况下，罗马数字中小的数字在大的数字的右边。但也存在特例，例如4不写做IIII，而是IV。数字1在数字5的左边，所表示的数等于大数5减小数1得到的数值4。同样地，数字
顾老师不懂代码·2025-04-09 23:36

Deepmotion技术浅析（四）：人体姿态估计

包括：1.2D关键点检测工作原理模型架构详解（OpenPose,HRNet）模型结构公式推导训练过程关
爱研究的小牛·2025-04-09 23:04

leetcode 13. 罗马数字转整数

罗马数字包含以下七种字符:I，V，X，L，C，D和M。字符数值I1V5X10L50C100D500M1000例如，罗马数字2写做II，即为两个并列的1。12写做XII，即为X+II。27写做XXVII,即为XX+V+II。通常情况下，罗马数字中小的数字在大的数字的右边。但也存在特例，例如4不写做IIII，而是IV。数字1在数字5的左边，所表示的数等于大数5减小数1得到的数值4。同样地，数字9表示为
优雅人字拖·2025-04-09 23:03

leetcode13.罗马数字转整数

遍历，下一个值不大于当前值就加上当前值，否则就减去当前值classSolution{publicintromanToInt(Strings){Mapmap=Map.of('I',1,'V',5,'X',10,'L',50,'C',100,'D',500,'M',1000);intsum=0;for(inti=0;i
ゞ 正在缓冲99%…·2025-04-09 22:33

【leetcode 100】贪心Java版本

划分字母区间题目我的思路：第一次没有一点思路，第二次看了官网思路后，写的以下答案，没有搞明白循环遍历，//是不对的以下：classSolution{publicListpartitionLabels(Strings){Listlist=newArrayListpartitionLabels(Strings){int[]last=newint[26];intlength=s.length();for
一只小透明啊啊啊啊·2025-04-09 22:32

语音识别whisper

Whisper是一个通用的语音识别模型，它使用了大量的多语言和多任务的监督数据来训练，能够在英语语音识别上达到接近人类水平的鲁棒性和准确性1。
caridle·2025-04-09 22:59

人工智能——随机森林算法

然后建立随机森林分类模型，利用训练样本训练该模型，得到6棵决策树，进而采用改进后的随机森林分类模型对待测样本数据进行预测。最后将
零基础学会人工智能·2025-04-09 21:52

LLM大模型教程——什么是AI大模型

这些模型借助海量数据训练，拥有强大的泛化能力，能够处理多种
西木风落·2025-04-09 21:49

BP 神经网络在水文数据分析中的应用

首先阐述了水文数据分析的重要性以及传统分析方法的局限性，随后详细介绍了BP神经网络的结构、原理与训练算法。
fanxbl957·2025-04-09 21:48

一文搞懂通义千问(Qwen)相关的核心概念

语言和多模态模型均在大规模、多语言、多模态数据上进行预训练，并在高质量语料上后训练以与人类偏好对齐。通义千问分为闭源和开源两大版本。开源模型包括：通义千问(Qwen)：语言模型Qw
大模型面试·2025-04-09 20:47

手写数字识别项目

构建模型(假设为mde1)后，接下来就是训练模型。pyToxch训练模型主要包括加载数据集、损失计算、定义优化算法、反向传播、参数更新等主要步骤。
晚椰子树·2025-04-09 20:17

leetcode739.每日温度【day1】【单调栈】

开始刷LeetCode了，结果发现仅仅过了半月二十天，之前刷的题都忘了一半。遂决定还是记下来，梳理思路，以及整理刷题过程中学的语法和细节处理。
zerolord·2025-04-09 20:46

【leetcode hot 100 118】杨辉三角

解法一：动态规划classSolution{publicList>generate(intnumRows){LinkedList>result=newLinkedListrow=newLinkedList<>();if(i==0){row.add(1);}else{row.add(1);//第一个数放1for(intj=1;j
longii11·2025-04-09 19:38

机器学习——数据、数据集、训练集、测试集、样本/示例、属性、属性集、属性空间、特征向量概念

数据在机器学习中扮演着非常重要的角色，因为它是训练模型和进行预测的基础。通过对数据的分析和学习，机器学习算法可以自动发现数据中的规律和模式，并使用这些知识来预测新的数据。
Raniyaaaaa·2025-04-09 19:06

leetcode数组-移除元素

题目题目链接：https://leetcode.cn/problems/remove-element/给你一个数组nums和一个值val，你需要原地移除所有数值等于val的元素。
luckyme_·2025-04-09 18:06

【机器学习中的基本术语：特征、样本、训练集、测试集、监督/无监督学习】

机器学习基本术语详解1.特征（Feature）定义：数据的属性或变量，用于描述样本的某个方面。作用：模型通过学习特征与目标之间的关系进行预测。示例：预测房价时，特征可以是面积、地段、房龄。图像识别中，特征可以是像素值、颜色直方图。关键点：特征工程（FeatureEngineering）：通过变换、组合特征提升模型性能（如将“年龄”分桶为“青年/中年/老年”）。特征选择（FeatureSelecti
Blue桃之夭夭·2025-04-09 18:05

第T7周：咖啡豆识别

文为「365天深度学习训练营」内部文章参考本文所写文章，请在文章开头带上「声明」1.设置GPUimporttensorflowastfgpus=tf.config.list_physical_devices
weixin_50792991·2025-04-09 17:55

T8 咖啡豆识别

文为「365天深度学习训练营」内部文章参考本文所写文章，请在文章开头带上「声明」importtensorflowastfgpus=tf.config.list_physical_devices("GPU
weixin_50792991·2025-04-09 17:55

深度学习第P5周：Pytorch实现运动鞋识别

>-**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]**本人往期文章可查阅：深度学习总结要求：了解如何设置动态学习率（重点）调整代码使测试集accuracy到达84%
OreoCC·2025-04-09 17:24

PyTorch DataLoader 参数详解

在使用PyTorch的DataLoader时，有许多参数可以调整，这些参数能够帮助我们平衡数据加载效率、内存使用和训练过程的稳定性。
AIGC_增益·2025-04-09 17:23

【Agent实战】工作日志生成助手

本文原创作者：姚瑞南AI-agent大模型运营专家，先后任职于美团、猎聘等中大厂AI训练专家和智能运营专家岗；多年人工智能行业智能产品运营及大模型落地经验，拥有AI外呼方向国家专利与PMP项目管理证书。
姚瑞南·2025-04-09 16:18

当股市暴跌遇上深度学习：用LSTM预测股价波动（附完整代码）

从美股史诗级暴跌看AI预测的必要性二、数据准备：让机器看懂市场语言1.数据采集（以特斯拉TSLA为例）2.特征工程：超越简单收盘价3.数据预处理：让模型更好学习三、模型构建：多层LSTM网络设计四、模型训练
Sonal_Lynn·2025-04-09 15:15

深度学习模型优化与行业应用新突破

以自适应学习优化和超参数调优为代表的动态调整机制，显著降低了模型训练对人工经验的依赖。
智能计算研究中心·2025-04-09 15:11

模型优化技术驱动行业应用创新

从底层框架演进看，TensorFlow、PyTorch与MXNet等主流工具通过自适应学习机制与参数化建模能力，显著提升了模型训练效率；而在技术融合层面，联邦学习与边缘计算的协同部署方案，为解决数据隐私与算力瓶颈提供了新范式
智能计算研究中心·2025-04-09 15:41

AI驱动自动化测试的不足与改进方向

跨领域（如从Web切换到IoT）需重新训练模型。(2)动态系统适配不足问题：对频繁变更的UI/API适配能力有限。表现：前端UI改版导致视觉定位失效。微服务API接口变更引发大量用例失败。
小赖同学啊·2025-04-09 14:09

【Prompt实战】结构化 Prompt 高质量模板

本文原创作者：姚瑞南AI-agent大模型运营专家，先后任职于美团、猎聘等中大厂AI训练专家和智能运营专家岗；多年人工智能行业智能产品运营及大模型落地经验，拥有AI外呼方向国家专利与PMP项目管理证书。
姚瑞南·2025-04-09 14:08

【Prompt实战】邮件分类专家

本文原创作者：姚瑞南AI-agent大模型运营专家，先后任职于美团、猎聘等中大厂AI训练专家和智能运营专家岗；多年人工智能行业智能产品运营及大模型落地经验，拥有AI外呼方向国家专利与PMP项目管理证书。
姚瑞南·2025-04-09 14:08

《 Scikit-learn与MySQL的深度协同：构建智能数据生态系统的架构哲学》

在机器学习工程实践中，数据存储与模型训练的割裂始终是制约算法效能的关键瓶颈。
程序猿阿伟·2025-04-09 13:03

AI 大模型微调原理深度剖析与源码解读

然而，这些预训练的大模型往往是在大规模的通用数据上进行训练的，在特定的下游任务中可能无法达到最佳性能。为了让大模型更好地适应特定任务，微调（Fine-Tuning）技术应运而生。微调是指
Android 小码蜂·2025-04-09 13:31

人人需要掌握的大模型技术架构深度剖析

1、工程架构剖析第一、分布式训练大型模型的训练通常需要大量的计算资源，分布式训练成为了实现这一目标的关键技术。分布式训练通常采用以下两种方式进行：数据并行（DataParalleli
人工智能-猫猫·2025-04-09 13:30

百度大模型岗面试，还是比较有压力的

一面自我介绍和项目介绍介绍一下了解的大模型有哪些，这些模型在结构上有什么差异说一下大模型常用的位置编码有哪些，各有什么优缺点介绍一下大模型的预训练后训练以及推理是怎么做的，并且详细问了RLHF
大模型.·2025-04-09 10:12

机器学习（概述）

有标签-分类：标签值离散-回归：标签值连续-无监督学习-无标签，按照样本的相似性进行聚合-半监督学习-部分有标签，部分无标签-强化学习2.说明下机器学习的建模流程-获取数据-数据基本处理-特征工程-模型训练
羡江007·2025-04-09 10:42

如何获取 `vocab.txt` 文件

它包含了训练数据集中所有的唯一单词或符号，并为每个单词分配了一个唯一的标识符（ID）。这个文件帮助模型将输入文本转换为数字形式，便于进行计算和处理。
zru_9602·2025-04-09 10:11

【大模型学习】第十七章 预训练技术综述

目录一、预训练技术的起源与演进1.1人工智能的范式转变1.2预训练的技术演进史二、预训练的本质：像人类一样学习2.1生活中的预训练启示2.2技术定义与核心价值三、预训练的技术解剖3.1核心架构：Transformer
好多渔鱼好多·2025-04-09 08:00

DeepSeek底层揭秘——《推理时Scaling方法》技术对比浅析

笔者尝试对比了“关于推理时Scaling”与现有技术，粗浅分析如下：与LoRA的对比区别：应用场景：LoRA是一种参数高效微调方法，主要用于在训练阶段对模型进行微调，以适应特定的任务或数据集。
9命怪猫·2025-04-09 08:58

适用于 NVIDIA Blackwell 架构的全新软件驱动 AI 工厂高速运行

该软件可将GPU利用率提高5倍，并提高各种规模的训练和推理效率。蒸汽推动了工业时代的发展，数字时代通过软件带来了转变。
NVIDIA AI技术专区·2025-04-09 07:27

如何从零开始训练大模型？

但还有一个很直观的情况，随着预训练样本的质量不断提升，训练手段的优化。新的模型，往往效果能轻松反超参数量两倍于它的模型。例如，最新出的minicpm，微信内部评测效果也是非常棒的。
知世不是芝士·2025-04-09 06:48

AI开源大模型与大模型api的使用优缺点

缺点：资源需求：训练和运行大模型需要大量的计算资源和存
LLM.·2025-04-09 06:46
上一页 96 97 98 99 100 101 102 103 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他