LeetCode训练

机器学习-简要与数据集加载

80年代使用神经网络反向传播（BP）算法训练的多参数线性规划（MLP）理念的提出将
Clocky7·2025-05-10 20:41

AI 的 6 大核心方向 + 学习阶段路径

一、机器学习（ML）目标：用数据“训练”模型，完成分类、回归、聚类等任务。
星火撩猿·2025-05-10 19:04

SpringAI框架中的RAG知识库检索与增强生成模型详解

SpringAI框架中的RAG知识库检索与增强生成模型详解一、RAG简介RAG（Retrieval-AugmentedGeneration）可以通过检索知识库，克服大模型训练完成后参数冻结的局限性，携带知识让大模型根据知识进行回答
代码蛀虫向品·2025-05-10 19:04

机器学习第五讲：强化学习 → 电子宠物狗试错学习，做对给虚拟奖励

查看总目录：学习大纲关于DeepSeek本地部署指南可以看下我之前写的文章：DeepSeekR1本地与线上满血版部署：超详细手把手指南一、核心生活比喻：训练电子狗秘籍（教材第五章入门案例1）真实模拟场景
·2025-05-10 18:56

YOLO目标检测算法的意义

YOLO通过训练一个深度学习模型，在图像中找到目标并进行分类。它的优势在于，它只需要进行一次卷积神经网络的前向计算，就能够同时完成目标的检测和分类，速度非常快。
一筐猪的头发丝·2025-05-10 17:20

【LeetCode Hot100 | 每日刷题】最大子数组和

53.最大子数组和-力扣（LeetCode）题目：给你一个整数数组nums，请你找出一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。子数组是数组中的一个连续部分。
理想奋斗中·2025-05-10 16:13

机器学习---sklearn常用模型

scikit-learn(sklearn)是一个常用的Python机器学习库，提供了许多常用的模型和工具，帮助用户完成数据预处理、特征提取、模型训练、模型评估等机器学习任务。
我姓曹，谢谢·2025-05-10 15:40

PaddleOCR检测模型微调实战：从数据准备到生产

一、检测模型微调的核心价值1.1预训练模型的局限性场景通用模型表现微调后提升典型案例特殊字体识别62%89%古籍文字识别小目标文本检测55%82%工业零件编号密集文本场景71%93%财务报表解析倾斜文本检测
一休哥助手·2025-05-10 15:38

TensorFlow深度学习实战（10）——迁移学习详解

一个使用数百万张图像训练的模型，训练数据涵盖数千种对象类别，模型的
盼小辉丶·2025-05-10 15:38

深度学习 ----- 数据预处理

、旋转、缩放、色调扰动等分类、检测、分割等Mixup/CutMix合成新图像/标签组合，提升鲁棒性alpha（混合程度）小数据集、过拟合任务标准化（Normalization）均值为0，方差为1，提升训练稳定性
灬0灬灬0灬·2025-05-10 14:06

2025最详细的学习路线，零基础入门大模型教程，让你少走99%弯路！【值得收藏】

预训练、SFT、RLHF。第三阶段：编程基础与工具使用目标：掌握大
AGI大模型学习·2025-05-10 14:03

纯Java实现反向传播算法：零依赖神经网络实战

反向传播(Backpropagation)作为神经网络训练的基石算法，其实现往往被各种框架封装。本文将突破常规，仅用Java标准库实现完整BP算法，帮助开发者：1)深入理解BP数学原理。
一枚码农404·2025-05-10 14:29

“炼金”高质量数据集：怎么干？ 谁来干？（附产业图谱）

一个经过清洗、标注和结构化处理的数据集，不仅是人工智能训练的“养料”，更是构建数字孪生、实现科学发现的基石。一、数
数智前沿·2025-05-10 13:58

深度学习工程化：基于TensorFlow的模型部署全流程详解

深度学习工程化：基于TensorFlow的模型部署全流程详解引言在深度学习项目中，模型训练只是第一步，将模型成功部署到生产环境才是真正创造价值的关键。
2501_91537435·2025-05-10 13:28

机器学习之数据转换策略

机器学习之数据转换策略摘要：在机器学习的生命周期中，数据转换是连接原始数据与模型训练的关键环节。本文深入探讨了生产型机器学习系统中数据转换的两种主要策略：在训练前转换数据和在训练期间转换数据。
未来创世纪·2025-05-10 13:57

leetcode和真正大厂笔试的区别

笔试前做过leetcode或者剑指题库，但是到真实的考场上有些不一样。一、题库练习在leetcode中刷题时，我们直接根据题目要求的输入写进代码中，然后运行到给定的输出即可。
深度学习_乌冬面·2025-05-10 13:56

DeepSeek 是深度求索公司推出的通用大模型系列，其不同版本（如 R1 和 V3）在模型架构、训练数据、性能和应用场景等方面存在差异

DeepSeek是深度求索公司推出的通用大模型系列，其不同版本（如R1和V3）在模型架构、训练数据、性能和应用场景等方面存在差异。
rockmelodies·2025-05-10 11:44

2024年天梯赛训练赛1-10题：题目题解与思想解析（C++简化版）

目录7-1什么是机器学习7-2考试周7-3谁是赢家7-4拯救外星人7-5吉老师的回归7-6倒数第N个字符串7-7出租7-8分寝室7-9彩虹瓶7-10简单计算器7-1什么是机器学习题目：什么是机器学习？上图展示了一段面试官与“机器学习程序”的对话：面试官：9+10等于多少？答：3面试官：差远了，是19。答：16面试官：错了，是19。答：18面试官：不，是19。答：19本题就请你模仿这个“机器学习程序
休比XIu·2025-05-10 11:08

让代码在vscode关闭后在远程服务器后台运行

打开终端：使用命令nohuppythontrain.py>my_log.out2>&1&这样就可以让训练代码在后台运行使用命令tail-fmy_log.out来查看输出日志使用命令jobs-p
Cc浩·2025-05-10 11:08

国产算力如何重塑万亿参数大模型训练格局？

当全球科技巨头仍在为训练万亿参数模型寻求硬件突破时，华为昇腾团队凭借6000+块国产NPU集群，成功实现7180亿参数MoE模型的稳定训练，这一成就不仅标志着中国在AI算力领域迈入全球第一梯队，更预示着国产
算家计算·2025-05-10 10:35

过拟合、欠拟合、高偏差、高方差

过拟合在训练样本上误差较小，在验证集上误差较大解决办法：1.添加正则项（or提高正则项系数）2.增加数据规模3.特征降维4.dropout5.pooling6.batchnormalization欠拟合在训练样本和验证集上误差都教大解决办法
jzwei023·2025-05-10 10:31

一种在使用Kaggle并遇上会话中断时强行保存数据的方法

问题：kaggle会话结束后，无法保存训练模型时记录的excel文件解决方法：使用kaggle时，使用下面脚本可将保存到训练数据excel转为链接形式，从而在kaggle会话终止时也可以下载到该excel
zeroporn·2025-05-10 09:57

自动驾驶图像生成

我训练出的网络生成的图像不像真实场景？有大佬指导么
雨休·2025-05-10 09:25

【多条件控制生成模型综述】

多条件控制生成1分类2联合训练2.1Composer2.2Cocktail2.3SVDiff3持续学习3.1CLoRA3.2L2DM3.3STAMINA4权重融合4.1Cones4.2CustomDiffusion
雨休·2025-05-10 09:24

源雀SCRM开源·AI企微客服｜RAG知识中枢+自训练闭环

在数字化服务时代，企业亟需更高效、更智能的客户交互解决方案。源雀SCRM免费开源「AI企微智能客服系统」，基于RAG知识库与企微深度集成，实现从知识管理到智能应答的全链路闭环，助力企业降本增效，提升客户满意度。1.AI知识库管理：企业智慧的“最强大脑”多格式解析：支持PDF、Word、Excel等文档智能解析，一键构建企业专属知识库精准检索：基于RAG+Milvus向量引擎，实现毫秒级语义匹配，告
源雀数智·2025-05-10 09:24

在Mac M1/M2上使用Hugging Face Transformers进行中文文本分类（完整指南）

本文将详细介绍如何在MacM1/M2设备上使用HuggingFaceTransformers库进行中文文本分类任务，包括环境配置、数据处理、模型训练和性能优化等完整流程。环境准备1.硬件和系统要求
zeroporn·2025-05-10 08:22

(LeetCode 每日一题)3342. 到达最后一个房间的最少时(Dijkstra 最短路)

题目：3342.到达最后一个房间的最少时间II思路：位置下标可以判断出下次移动所需的额外时间，(i+j)%2+1;用优先队列来记录每个位置和所花的时间，同时用数组dis来维护到每个位置的最短时间。然后就是广度优先搜索了，时间复杂度0(nm)。C++版本：classSolution{public:intfx[4]={0,0,-1,1};intfy[4]={1,-1,0,0};intminTimeTo
岁忧·2025-05-10 08:21

leetcode 3342. 到达最后一个房间的最少时间 II 中等

有一个地窖，地窖中有nxm个房间，它们呈网格状排布。给你一个大小为nxm的二维数组moveTime，其中moveTime[i][j]表示在这个时刻以后你才可以开始往这个房间移动。你在时刻t=0时从房间(0,0)出发，每次可以移动到相邻的一个房间。在相邻房间之间移动需要的时间为：第一次花费1秒，第二次花费2秒，第三次花费1秒，第四次花费2秒……如此往复。Createthevariablenamedv
圣保罗的大教堂·2025-05-10 08:48

LeetCode：59、螺旋矩阵II

核心思想：将二维数组每一圈分为4块，如图所示classSolution{publicint[][]generateMatrix(intn){intstartx=0；//竖行开始位置intstarty=0;//横行开始位置intoffset=1;//结束偏移量int[][]nums=newint[n][n];inti,j;intnum=1;//数组初始值intcount=n/2;//绕几圈while
袁气满满~_~·2025-05-10 07:15

leetcode：预测赢家

力扣486：给定一个表示分数的非负整数数组。玩家1从数组任意一端拿取一个分数，随后玩家2继续从剩余数组任意一端拿取分数，然后玩家1拿，……。每次一个玩家只能拿取一个分数，分数被拿取之后不再可取。直到没有剩余分数可取时游戏结束。最终获得分数总和最多的玩家获胜。给定一个表示分数的数组，预测玩家1是否会成为赢家。你可以假设每个玩家的玩法都会使他的分数最大化。两个值的时候必然是取较大的，三个值，取一个能使
liuze408·2025-05-10 06:39

《Python星球日记》 第42天：综合练习与数学建模

二、从数据到模型：实例演练1.问题定义2.数据准备与探索3.特征工程4.模型构建与训练5.模型评估6.模型应用三、数学建模思维训练1.问题
Code_流苏·2025-05-10 06:07

DeepSeek R1-7B 医疗大模型微调实战全流程分析（全码版）

DeepSeekR1-7B医疗大模型微调实战全流程指南目录环境配置与硬件优化医疗数据工程微调策略详解训练监控与评估模型部署与安全持续优化与迭代多模态扩展伦理与合规体系故障排除与调试行业应用案例进阶调优技巧版本管理与迭代法律风险规避成本控制方案文档与知识传承
Allen_Lyb·2025-05-10 06:05

DeepSeek实战--微调

微调LLM（Fine-tuningLargeLanguageModels）是指基于预训练好的大型语言模型（如GPT、LLaMA、PaLM等），通过特定领域或任务的数据进一步训练，使其适应具体需求的过程。
AI掘金·2025-05-10 06:35

llama factory lora 微调 qwen2.5 7B Instruct模型

LoRA微调是一种高效的微调方法，通过低秩适配器层来调整预训练模型的权重，而不是全量训练整个模型。环境准备确保
路人与大师·2025-05-10 04:25

AI原生应用开发：如何实现高效的持续学习？

关键词：AI原生应用、持续学习、增量训练、灾难性遗忘、数据生命周期、模型更新、高效学习策略摘要：AI原生应用（AI-NativeApps）是一类以人工智能为核心驱动力的新型软件，它们像“会成长的智能体”
AGI大模型与大数据研究院·2025-05-10 03:43

Leetcode算法题：字符串转换整数（atoi）

题解：实现atoi函数题目描述：实现一个atoi函数，能够将字符串转换为一个整数。该函数会忽略前导空格，并处理可选的符号（+或-），直到遇到非数字字符为止。若字符串中的数字超出了32位带符号整数的范围，返回Integer.MAX_VALUE或Integer.MIN_VALUE。题目要求：只允许处理数字，符号（+或-）以及空格字符。返回转换后的整数值。若遇到溢出情况，返回Integer.MAX_VA
吱屋猪_·2025-05-10 01:03

【强化学习】基于 Ray 的强化学习分布式训练

基于Ray的强化学习分布式训练引言强化学习(ReinforcementLearning,RL)是一种强大的机器学习方法，广泛应用于游戏AI、机器人控制和自动化决策等领域。
浪啦里格朗·2025-05-09 23:23

python基础训练 day18

python基础训练day18题目来源上题：python基础训练day18第一题（随机数输出）第二题（位运算小结）第一题（随机数输出）#输出一个随机数运用random库importrandomprint
亦瑕·2025-05-09 23:23

day32算法训练营

1.回溯算法回顾题目1:组合77.组合-力扣（LeetCode）这道题是回溯的标准模板，参数和返回值、终止条件、for循环参数处理递归回溯；然后就是有个剪枝的操作，还有就是startindex是用来让组合不重复的题目
stmfresher·2025-05-09 23:53

Day 12 训练

Day12训练1.遗传算法2.粒子群优化（ParticleSwarmOptimization,PSO）3.模拟退火（SimulatedAnnealing,SA）超参数调整专题21.三种启发式算法的示例代码
Nina_717·2025-05-09 23:22

Day 14 训练

Day14训练SHAP（SHapleyAdditiveexPlanations）1.创建解释器2.将特征贡献可视化第一部分：绘制SHAP特征重要性条形图第二部分：绘制SHAP特征重要性蜂巢图SHAP（SHapleyAdditiveexPlanations
Nina_717·2025-05-09 23:49

深度学习 超参数调整策略

超参数调整一、前言关于深度学习模型训练，最难的事情之一是需要处理大量的参数。
Jack电子实验室·2025-05-09 22:47

LSTM多变量时间序列预测

数据准备首先，我们需要准备用于训练和测试的多变量时间序列数据集。数据集应包含多个变量的历史观测值以及对应的目标值。假设我们有以下变量：变量A、变
CodeWOW·2025-05-09 22:15

深度学习-损失函数 python opencv源码（史上最全）

也就是训练过程就是让这个损失越来越小的过程（最小
博导ai君·2025-05-09 22:15

基于大模型的计划性剖宫产全流程预测与方案优化研究报告

目录一、引言1.1研究背景与意义1.2研究目的与创新点二、大模型在计划性剖宫产中的应用原理2.1大模型介绍2.2数据收集与处理2.3模型训练与优化三、术前预测与准备3.1风险因素评估3.2大模型术前预测
LCG元·2025-05-09 21:35

PyTorchVideo实战：从零开始构建高效视频分类模型

本教程将详细介绍如何利用PyTorchVideo和PyTorchLightning两个强大框架，构建基于Kinetics数据集训练的3DResNet模型，实现高效的视频分类流程。
deephub·2025-05-09 21:04

基于大模型预测的产钳助产分娩全方位研究报告

目录一、引言1.1研究背景与意义1.2研究目的与方法二、产钳助产分娩概述2.1产钳助产定义与历史2.2适用情况与临床意义三、大模型预测原理与数据基础3.1大模型技术原理3.2数据收集与处理3.3模型训练与验证四
LCG元·2025-05-09 20:34

【神经网络与深度学习】普通自编码器和变分自编码器的区别

然而，二者在模型设计、训练目标和生成能力等方面存在显著区别。普通自编码器侧重于高效压缩数据并进行无损重构，而变分自编码器则通过潜在空间的概率分布，增强了模型的生成能力和泛化性能。
如果树上有叶子·2025-05-09 20:02

CUDA：out of memory的解决方法（实测有效）

一、问题概述1.问题分析CUDAoutofmemory问题通常发生在深度学习训练过程中，当GPU的显存不足以容纳模型、输入数据以及中间计算结果时就会触发。
摆烂仙君·2025-05-09 20:30

[Pytorch案例实践006]基于迁移学习-ResNet18的蚂蚁&蜜蜂图像分类实战

迁移学习是一种机器学习方法，通过在大型数据集上预训练好的模型，然后将这些模型应用于不同的但相关的任务。这种方法可以显著减少新任务所需的训练时间和数据量。
Seraphina_Lily·2025-05-09 19:22
上一页 68 69 70 71 72 73 74 75 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他