LeetCode训练

DeepSeek-V2：高效MoE与MLA创新架构

详细分析：核心观点：DeepSeek-V2通过创新的Mixture-of-Experts(MoE)架构和Multi-headLatentAttention(MLA)机制，显著提升了模型性能并降低了训练和推理成本
weixin_57060548·2025-05-22 12:40

跨列表遍历的终极技巧：用 Swift 实现 Zigzag Iterator 超干净逻辑！

而LeetCode281的锯齿迭代器（ZigzagIterator）正是这样一个经典问题的抽象：给定两个或多个数组，实现一种可以“轮流”读取它们的迭代器。这篇文章将以
网罗开发·2025-05-22 12:09

字符串也能看风水？教你用 Swift 一眼看出回文潜力

文章目录摘要描述内容分析与实际场景联想题解答案题解代码分析第一步：统计每个字符出现的次数第二步：筛选出现奇数次的字符数量第三步：判断奇数次字符是否不超过一个示例测试及结果时间复杂度空间复杂度总结摘要我们这一篇要聊的是LeetCode
网罗开发·2025-05-22 12:09

每日算法 -【Swift 算法】寻找两个有序数组的中位数（O(log(m+n))）详细讲解版

用Swift寻找两个有序数组的中位数（O(log(m+n))）详细讲解版寻找两个有序数组的中位数，是LeetCode上非常经典的一道题，难度为困难（Hard），但它的本质是一个二分查找的变形应用。
不二狗·2025-05-22 12:07

初始LLM

通过大量语料库训练，LLM在翻译、写作、对话等任务中展现出卓越的能力。常见的应用包括自动问答、生成文本、文本摘要等。由于其多模态特性，LLM还可用于图像和音频处理，为多领域带来创新可能。LLM与
凢en·2025-05-22 11:03

【AI风向标】一文搞懂 MCP 和 Tool，才能真正玩转Dify智能体平台

本文原创作者：姚瑞南AI-agent大模型运营专家/音乐人/野生穿搭model，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
姚瑞南Raynan·2025-05-22 11:02

5.22打卡

中使用）3.cuda的检查4.简单神经网络的流程a.数据预处理（归一化、转换成张量）b.模型的定义i.继承nn.Module类ii.定义每一个层iii.定义前向传播流程c.定义损失函数和优化器d.定义训练流程
丁值心·2025-05-22 11:58

使用 LlamaIndex 构建 RAG 应用程序

像ChatGPT和Llama这样的大型语言模型(LLM)擅长解答问题，但受限于它们所训练的知识。它们无法访问私人数据，也无法学习超出训练范围的知识。所以，关键在于……我们如何扩展它们的知识？
爱分享的小明·2025-05-22 10:26

人形机器人AI训练专用设备

可应用于医疗、教育教学、科研开发、机器人AI训练等领域，是一套在动作捕捉行业内十分优秀的先进产品。通过将Xsens动作捕捉系统和XsensAnalyze软件系统采集到的真实人体动
BBTSOH15901516044·2025-05-22 10:51

基于大模型的全面惊厥性癫痫持续状态技术方案

目录一、数据收集与预处理系统1.1多模态数据集成模块1.2数据预处理流程二、大模型构建与训练系统2.1模型架构设计2.2训练流程三、术前评估系统3.1癫痫发作风险预测3.2手术可行性评估流程四、术中决策支持系统
LCG元·2025-05-22 08:43

基于线性回归的数据预测

采用80%数据用于训练，20%用于测试，重复划分数据集并训练模型20次，记录每次结果（交叉验证）。4.输出平均均方误差（MSE）或平均绝对误差（MAE），并可选与其他模型（如决策树回归、岭回归
所见即所得11111·2025-05-22 07:29

谷歌 DeepMind 发布 AlphaEvolve，解决 300 年数学难题，为近 40 个数学问题找到更优解决方案

据官方介绍，AlphaEvolve提升了谷歌数据中心、芯片设计以及AI训练流程的效率，还帮助设计了更快的矩阵乘法算法，并找到了一些数学
·2025-05-22 06:02

CNN手写数字识别/全套源码+注释可直接运行

训练集（trainingset）由来自250个不同人手写的数字构成，其中50%是高中学生，50%来自人口普查局（theCensusBureau）的工作人员。
huohuopro·2025-05-22 06:27

养生指南：五大核心重塑健康日常

二、运动：碎片激活，靶向训练
w13582635709·2025-05-22 05:50

【TTS回顾】深度解析VITS2，与VITS对比

一、基本介绍VITS2是由SKTelecom团队提出的单阶段端到端语音合成模型，通过对抗学习机制和创新架构设计，在语音自然度、训练效率和多说话人适应性等方面实现突破。
kakaZhui·2025-05-22 05:49

多模态图像生成的突破：Image Anything一种无需训练的智能框架

人工智能咨询培训老师叶梓转载标明出处多模态图像生成是内容创作领域的热点技术，尤其在媒体、艺术和元宇宙等领域。该技术旨在模拟人类的想象力，将视觉、文本和音频等多种模态属性相关联，以生成图像。早期的方法主要侧重于单一模态输入的图像生成，例如基于图像、文本或音频的生成。这些方法在处理现实世界中更复杂的模态输入时受到限制。香港科技大学（广州）的研究团队提出了一种名为ImgAny的新型多模态图像生成框架。这
人工智能大模型讲师培训咨询叶梓·2025-05-22 04:16

Nvidia通过自研LLM压缩技术爆炸式提升模型性能

它是一个推理模型，经过后训练以增强推理能力、人类聊天偏好以及任务处理能力，例如RAG和工具调用。Llama-3.1-
吴脑的键客·2025-05-22 04:46

集成思想在算法（目标检测）中的体现

两者的联系与区别在于：联系与区别维度分治思想集成思想核心思路垂直拆分问题水平协作优化执行路径独立求解→结果合并并行学习→协同决策优势领域复杂问题简化模型性能提升集成维度模型级集成，通过组合多个独立训练的检测模型
pang企鹅·2025-05-22 04:16

macbert4csc纠错

模型结构这个模型分成两部分：使用BertForMaskedLM对预训练模型做mask训练。对预测的结果输入linear，判断预测的结果和真实的结果是否相同，即二分类。
ox180x·2025-05-22 01:55

深度学习实战 04：卷积神经网络之 VGG16 复现三（训练）

3.训练实战篇：在小规模医学影像数
生信探索·2025-05-22 01:19

【拓展技术】——AutoDL服务器训练&Pycharm使用注意点&Pycharm配置AutoDL

一、AutoDL服务器模型训练AutoDL是一个为研究人员、开发者和企业提供的平台，它致力于提供一个高效、可靠和易用的环境，以支持复杂的计算任务和AI模型的部署：高效的并行计算资源：AutoDL拥有强大的计算集群和高性能的计算节点
柯宝最帅·2025-05-22 00:43

机器学习第二十一讲：正则化 → 给模型带定位手环防走极端路线

通过健身房训练案例详解：一、核心原理（健身阻力带限制训练）flowchartLR无约束训练-->练出畸形
·2025-05-21 23:58

一文读懂迁移学习：从理论到实践

在机器学习和深度学习的快速发展历程中，数据和计算资源成为了制约模型训练的关键因素。当我们面对新的任务时，重新训练一个从头开始的模型往往耗时耗力，而且在数据量不足的情况下，模型的性能也难以达到理想状态。
2201_75491841·2025-05-21 22:32

分类预测 | Matlab实现PNN概率神经网络多特征分类预测

随机打乱数据集，按类别分层划分训练集（70%）和测试集（30%
机器学习之心·2025-05-21 22:29

深度学习中的正则化方法与卷积神经网络基础

笔记1正则化方法1.1什么是正则化防止模型过拟合(训练集效果好,测试集效果差),提高模型泛化能力一种防止过拟合,提高模型泛化能力的策略L1正则:需要通过手动写代码实现L2正则:SGD(weight_decay
郜太素·2025-05-21 21:22

[面试精选] 0001. 两数之和

文章目录1.题目链接2.题目描述3.题目示例4.解题思路5.题解代码6.复杂度分析1.题目链接1.两数之和-力扣（LeetCode）2.题目描述给定一个整数数组nums和一个整数目标值target，请你在该数组中找出和为目标值
水蓝烟雨·2025-05-21 21:22

语言模型幻觉的成因解析：从数据到生成的潜在风险

训练数据污染或滞后《大语言模型如何“听懂”你的需求？——运行机制四步揭秘》文章中介绍了模型运行的基本原理，模型倾向
纸团团长励志要成长·2025-05-21 20:51

LeetCode——162. 寻找峰值(Find Peak Element)[中等]——分析及代码（Java）

LeetCode——162.寻找峰值[FindPeakElement][中等]——分析及代码[Java]一、题目二、分析及代码1.二分法（1）思路（2）代码（3）结果三、其他一、题目峰值元素是指其值严格大于左右相邻值的元素
江南土豆·2025-05-21 19:14

Leetcode 162 Find Peak Element

给定一个数组，找到山峰元素https://leetcode.com/problems/find-peak-element/description/Input:nums=[1,2,3,1]Output:2Explanation
xxxmmc·2025-05-21 19:44

[leetcode]162. Find Peak Element

题目链接：https://leetcode.com/problems/find-peak-element/#/descriptionApeakelementisanelementthatisgreaterthanitsneighbors.Givenaninputarraywherenum
xiaocong1990·2025-05-21 19:14

DeepSeek 的 MoE（混合专家）架构：如何实现高效推理？

摘要引言MoE架构技术原理1.基础架构设计2.动态路由机制3.负载均衡策略训练优化技术1.专家初始化策略2.通信优化3.硬件适配性能评估与对比1.实验设置2.关键指标对比3.典型场景
layneyao·2025-05-21 19:11

LeetCode 162. Find Peak Element - 二分查找（Binary Search）系列题5

Apeakelementisanelementthatisstrictlygreaterthanitsneighbors.Givenanintegerarraynums,findapeakelement,andreturnitsindex.Ifthearraycontainsmultiplepeaks,returntheindextoanyofthepeaks.Youmayimaginethatn
CP Coding·2025-05-21 19:11

leetcode162. Find Peak Element

FindPeakElementApeakelementisanelementthatisstrictlygreaterthanitsneighbors.Givenanintegerarraynums,findapeakelement,andreturnitsindex.Ifthearraycontainsmultiplepeaks,returntheindextoanyofthepeaks.You
Invisible Name·2025-05-21 19:10

PyTorch进阶实战指南：02分布式训练深度优化

PyTorch进阶实战指南：02分布式训练深度优化前言在大模型时代，分布式训练已成为突破单机算力瓶颈的核心技术。
灏瀚星空·2025-05-21 18:37

1.柠檬水找零（easy）

1.题目链接：860.柠檬水找零-力扣（LeetCode）860.柠檬水找零-在柠檬水摊上，每一杯柠檬水的售价为5美元。顾客排队购买你的产品，（按账单bills支付的顺序）一次购买一杯。
咔_·2025-05-21 17:30

大语言模型（LLM）本身是无状态的,怎么固化记忆

大语言模型（LLM）本身是无状态的，无法直接“记住”历史对话或用户特定信息大语言模型（LLM）本身是无状态的，无法直接“记住”历史对话或用户特定信息，但可以通过架构改进、外部记忆整合、训练方法优化等方案实现上下文记忆能力
ZhangJiQun&MXP·2025-05-21 17:28

代码随想录算法训练营第三十四天

LeetCode题目:198.打家劫舍213.打家劫舍II337.打家劫舍III3341.到达最后一个房间的最少时间I(每日一题)其他:今日总结往期打卡198.打家劫舍跳转:198.打家劫舍学习:代码随想录公开讲解问题
写个博客·2025-05-21 16:21

大模型从入门到精通，从看这篇开始：神仙级 AI 大模型入门教程【非常详细】

这些模型经过大规模数据训练后，能够自动生成文本、回
大模型知识·2025-05-21 15:46

leetcode 3355. 零数组变换 I 中等

给定一个长度为n的整数数组nums和一个二维数组queries，其中queries[i]=[li,ri]。对于每个查询queries[i]：在nums的下标范围[li,ri]内选择一个下标子集。将选中的每个下标对应的元素值减1。零数组是指所有元素都等于0的数组。如果在按顺序处理所有查询后，可以将nums转换为零数组，则返回true，否则返回false。示例1：输入：nums=[1,0,1],que
圣保罗的大教堂·2025-05-21 14:09

人工智能机器学习深度学习中著名有用的数据集

在人工智能、机器学习和深度学习领域，优质的数据集是模型训练和发展的基石。以下介绍一些当前比较有名且有用的数据集。
AI数据集·2025-05-21 14:38

MyBatis 在 Java 人工智能项目中的数据支持

我们将从MyBatis的核心原理出发，分析其在AI项目中的独特优势，并通过实际案例展示如何利用MyBatis高效处理机器学习模型训练数据、特征工程数据以及预测结果存储等关键场景。文章还将提供详细的代
Java技术栈实战·2025-05-21 12:56

样本复杂性：机器学习的数据效率密码

模型泛化：数据不足导致过拟合（如用10张猫图训练CNN，无法识别不同姿态的猫）。算法效率：高效算法（如随机森林）可比深度学习少用50%数据达到同等性能。1.2两种关
Cloud Traveler·2025-05-21 11:49

【Leetcode 每日一题】146. LRU 缓存（c++）

146.LRU缓存请你设计并实现一个满足LRU(最近最少使用)缓存约束的数据结构。实现LRUCache类：LRUCache(intcapacity)以正整数作为容量capacity初始化LRU缓存intget(intkey)如果关键字key存在于缓存中，则返回关键字的值，否则返回-1。voidput(intkey,intvalue)如果关键字key已经存在，则变更其数据值value；如果不存在，则
JokerSZ.·2025-05-21 11:49

paddle ocr本地化部署进行文字识别

它覆盖了深度学习从数据准备、模型训练、模型部署到预测的全流程，旨在帮助开发者快速实现AI应用。2.核心特点全场景覆盖：支持云端、边缘端、移动端等多硬件环境，适配CPU、GPU、FPGA等多种芯片。
隐形喷火龙·2025-05-21 11:45

LeetCode：146. LRU 缓存

目录146.LRU缓存题目描述：实现代码：146.LRU缓存题目描述：请你设计并实现一个满足LRU(最近最少使用)缓存约束的数据结构。实现LRUCache类：LRUCache(intcapacity)以正整数作为容量capacity初始化LRU缓存intget(intkey)如果关键字key存在于缓存中，则返回关键字的值，否则返回-1。voidput(intkey,intvalue)如果关键字ke
Cosmoshhhyyy·2025-05-21 10:13

# YOLOv5分布式训练与混合精度训练实战指南

YOLOv5分布式训练与混合精度训练实战指南在深度学习领域，目标检测是一个重要的研究方向，而YOLO（YouOnlyLookOnce）系列算法因其高效的实时性而备受关注。
www_pp_·2025-05-21 10:41

哔哩哔哩推出开源动漫视频生成模型速读：Index-AniSora

该项目基于IJCAI’25接受的工作AniSora开发，提供完整的训练和推理代码，并支持在RTX4090上经济高效的部署。Index-AniSora的开发团队强调其开源特
Open-source-AI·2025-05-21 10:41

II-Medical-8B论文速读：140 万开源蒸馏推理数据集助力大语言模型训练

《140万开源蒸馏推理数据集助力大语言模型训练》论文速读一、引言论文介绍了AM-DeepSeek-R1-Distilled数据集，这是一个包含140万条带推理痕迹的通用推理任务数据集，涵盖了高质量且具有挑战性的推理问题
Open-source-AI·2025-05-21 10:10

AI产品经理需要懂的技术全景图

了解模型构建模型构建流程涉及角色每个角色工作内容清楚知道每个角色该做什么，需要花费多少成本，用于项目管控算法知识常见算法算法原理适用场景知道什么场景下，可以通过什么算法技术来解决问题，能够解决到什么程度模型相关技术名词偏差与方差、过拟合欠拟合、特征清洗与数据变换、训练集
数亦有术·2025-05-21 10:10

从零开始：LLaMA-Factory 大模型微调完全指南 | 手把手教你打造专属AI助手

从零开始：LLaMA-Factory大模型微调完全指南|手把手教你打造专属AI助手教程摘要本教程将带领你完成从环境配置到模型部署的全流程，让你能够：在AutoDL平台上快速搭建训练环境使用LLaMA-Factory
柳思木·2025-05-21 10:38
上一页 58 59 60 61 62 63 64 65 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他