LeetCode训练

第N6周：中文文本分类-Pytorch实现

本文为365天深度学习训练营中的学习记录博客原作者：K同学啊一、准备工作任务说明本次将使用PyTorch实现中文文本分类。
lihuhelihu·2025-05-08 15:45

第20节：深度学习基础-反向传播算法详解

自20世纪80年代被重新发现并广泛应用以来，反向传播算法已经成为训练多层神经网络的标准方法，推动了深度学习革命的发展。
点我头像干啥·2025-05-08 14:14

代码随想录算法训练营第四十二天| DP9— 188. 买卖股票的最佳时机 IV，309. 买卖股票的最佳时机含冷冻期

188.买卖股票的最佳时机IV188.买卖股票的最佳时机IV-力扣（LeetCode）买卖股票Ⅲ的升级版，最多K次买卖，Ⅲ相当于
yuhao__z·2025-05-08 13:38

代码随想录算法训练营第五十一天|图论专题： 99. 岛屿数量、100. 岛屿的最大面积

99.岛屿数量本题思路，是用遇到一个没有遍历过的节点陆地，计数器就加一，然后把该节点陆地所能遍历到的陆地都标记上。在遇到标记过的陆地节点和海洋节点的时候直接跳过。这样计数器就是最终岛屿的数量。packagemainimport("fmt")////DFS//funcnumsIslands(grid[][]int)int{//n:=len(grid)//ifn==0{//return0//}//m:
沙雕村民小王·2025-05-08 13:37

代码随想录算法训练营第50天| 99.岛屿数量 深搜 ，99.岛屿数量 广搜 ，100.岛屿的最大面积

第十一章：图论part0299.岛屿数量深搜注意深搜的两种写法，熟练掌握这两种写法以及知道区别在哪里，才算掌握的深搜。https://www.programmercarl.com/kamacoder/0099.%E5%B2%9B%E5%B1%BF%E7%9A%84%E6%95%B0%E9%87%8F%E6%B7%B1%E6%90%9C.htmlimportjava.util.Scanner;pub
weixin_44647325·2025-05-08 13:37

代码随想录算法训练营第51天| 图论 99.岛屿数量 深搜、 99.岛屿数量 广搜 、100.岛屿的最大面积

99.岛屿数量深搜题目链接：99.岛屿数量深搜深搜DFS：深搜的模板长得和回溯很像。深搜三部曲：1.确定深搜函数参数，2.确认终止条件，3.处理目前搜索节点出发的路径。除此之外，在做深搜题时涉及到了需要自己定义图的过程。由于习惯了力扣，这次忽然需要自己定义还是比较吃力的，一共有两种方法，一个是邻接矩阵，一个是邻接表。邻接矩阵就是二维数组，邻接表是一维数组和链表的结合，就是存储链表的一维数组。在定义
小米浴学算法·2025-05-08 13:06

代码随想录算法训练营第 51 天 |LeetCode99岛屿数量 LeetCode100.岛屿的最大面积

代码随想录算法训练营Day51代码随想录算法训练营第51天|LeetCode99岛屿数量LeetCode100.岛屿的最大面积目录代码随想录算法训练营前言LeetCode200岛屿数量LCR105.岛屿的最大面积一
HIT最菜电控·2025-05-08 12:05

【AI】基于生活案例的LLM强化学习（入门帖）

一、从“教小孩说话”到“教模型说话”：LLM训练全貌1.先打个比方第一阶段：预训练就好比教一个小孩先“读很多书”，让他获得基本的语言能力。
碣石潇湘无限路·2025-05-08 11:28

基于大模型的子宫腺肌病全流程预测与诊疗方案研究报告

现有诊断与治疗方法综述三、大模型技术原理与应用基础3.1大模型简介3.2在医疗领域的应用现状3.3适用于子宫腺肌病预测的可行性分析四、大模型预测子宫腺肌病的方案设计4.1数据收集与预处理4.2模型选择与构建4.3训练与优化过程五
LCG元·2025-05-08 10:54

每日一道leetcode

746.使用最小花费爬楼梯-力扣（LeetCode）题目给你一个整数数组cost，其中cost[i]是从楼梯第i个台阶向上爬需要支付的费用。一旦你支付此费用，即可选择向上爬一个或者两个台阶。
XiaoyaoCarter·2025-05-08 10:20

Meta 推出 24k GPU AI 基础设施设计

集群是基于Meta的大提顿硬件平台，Meta目前使用一个集群来训练他们的下一代Llama3模型.Meta设计的集群是为了支持他们的生成式人工智能工作。这两个集群变体的网络结构有所不同。
普通的一个普通猿·2025-05-08 09:17

海思SD3403边缘计算AI核心设备概述

1、海思SD3403边缘计算AI设备4TOPS算力（SD3403模组）2、AI训练服务器(≥60TOPS算力INT8算力越高AI训练速度越快）3、普通监控IPC摄像机（低成本，批量化安装项目）4、AI数据标定工作终端
Chat_zhanggong345·2025-05-08 09:11

十、动态规划算法学习2（代码随想录学习）

16.目标和leetcode链接思路：将数组分为左右两部分，左边部分为加，右边部分为减。假设左边和为x，右边和即为sum-x。
念秋乐晚·2025-05-08 08:06

七、二叉树学习4(代码随想录学习)

21.合并二叉树leetcode链接思路：使用递归+先序遍历合并二叉树确定递归函数的参数和返回值：首先要合入两个二叉树，那么参数至少是要传入两个二叉树的根节点，返回值就是合并之后二叉树的根节点。
念秋乐晚·2025-05-08 08:35

ResNet改进(38)：与Inception模块的融合实现

代码概述这段代码实现了一个自定义的CNN模型，主要特点包括：基于预训练的ResNet34架构在ResNet的初始层后插入自定义的Inception模块保持模型输出维度兼容性可配置的类别数量和预训练权重加载核心组件解析
点我头像干啥·2025-05-08 07:05

基于Transformer模型的音-字转换及代码实现

Transformer模型使用了Self-attention机制，不采用RNN的顺序结构，使得模型可以并行化训练，而且能够拥有全局信息。
bullnfresh·2025-05-08 07:03

leetcode刷题（javaScript）——堆相关场景题总结

堆是什么？堆都能用树表示，并且一般树的实现都是利用链表。平时使用的最多的是二叉堆，它可以用完全二叉树表示，二叉堆易于存储，并且便于索引。在堆的实现时注意：因为是数组，所以父子节点的关系就不需要特殊的结构去维护了，索引之前通过计算就可以得到，省掉了很多麻烦，如果是链表结构，就会复杂很多。在JavaScript刷题中，堆（Heap）通常用于解决一些需要高效处理优先级的问题，例如找出最大或最小的K个元素
三月的一天·2025-05-08 06:57

60天Python训练 day16

Numpy数组NumPy数组的维度(Dimension)或称为轴(Axis)的概念，与我们日常理解的维度非常相似。直观判断:数组的维度层数通常可以通过打印输出时中括号[]的嵌套层数来初步确定：一层[]:一维(1D)数组。两层[]:二维(2D)数组。三层[]:三维(3D)数组，依此类推。一、数组的创建#数组的简单创建importnumpyasnpa=np.array([2,4,6,8,10,12])
only_only_you·2025-05-08 03:06

60天Python训练 day12

常见的几种优化算法：遗传算法粒子群优化模拟退火核心思想：这些启发式算法都是优化器。你的目标是找到一组超参数，让你的机器学习模型在某个指标（比如验证集准确率）上表现最好。这个过程就像在一个复杂的地形（参数空间）上寻找最高峰（最佳性能）。启发式算法就是一群聪明的“探险家”，它们用不同的策略（模仿自然、物理现象等）来寻找这个最高峰，而不需要知道地形每一处的精确梯度（导数）。遗传算法灵感来源：生物进化，达
only_only_you·2025-05-08 03:06

60天Python训练 day13

RandomOverSampler(random_state=42)#创建随机过采样对象X_train_ros,y_train_ros=ros.fit_resample(X_train,y_train)#对训练集进行随机过采样
only_only_you·2025-05-08 03:06

60天Python训练 day14

Shap图importshapimportmatplotlib.pyplotasplt#初始化SHAP解释器explainer=shap.TreeExplainer(rf_model)#计算SHAP值（基于测试集），这个shap_values是一个numpy数组，表示每个特征对每个样本的贡献值#这里大家先知道这是个numpy数组即可，我们后面学习完numpy在来回头解读这个值shap_values
only_only_you·2025-05-08 03:06

60天python训练 day2

字符串的操作例1.定义两个字符串变量，str1赋值为“Hello”，str2赋值为“Python”。将这两个字符串拼接起来（中间加一个空格），并将结果存储在变量greeting中；计算greeting字符串的长度，存储在变量；length中；获取greeting字符串的第一个字符，存储在变量first_char中。然后，使用f-string分三行打印出类似以下格式的信息：拼接结果：HelloPyt
only_only_you·2025-05-08 03:36

60天Python训练 day4

初试Pandas库与缺失数据的补全本次代码均在.ipynb文件中编辑数据的读取与查看#导入pandas库importpandasaspd#读取文件data=pd.read_csv(r“data.csv”)#这里的data.csv是相对路径【注】（1）pd.read_csv()：表示用pandas里的read_csv方法，专门用于读取CSV格式的文件，并将其转换为DataFrame对象。DataFr
only_only_you·2025-05-08 03:36

60天Python训练 day3

列表的基础操作例1.①创建一个包含三个字符串元素的列表tech_list，元素分别为“Python，Java，Go”。②获取列表中第一个元素，并将其存储在变量first_tech中。③向tech_list的末尾添加一个新的字符串元素“JavaScript”。④修改tech_list中的第二个元素（索引为1），将其从“Java”更改为“Ruby”。⑤移除列表中的元素“Go”。⑥计算当前tech_li
only_only_you·2025-05-08 03:06

【算法专题】哈希表

1.两数之和1.两数之和-力扣（LeetCode）依据题意，我们需要找出数组中加起来等于目标值的两个元素的下标，最容易想到的肯定是暴力
望舒_233·2025-05-08 02:01

LeetCode021-合并两个有序链表-简单-Java实现

题目：合并两个有序链表将两个升序链表合并为一个新的升序链表并返回。新链表是通过拼接给定的两个链表的所有节点组成的。示例：输入：1->2->4,1->3->4输出：1->1->2->3->4->4代码如下：/***合并两个有序链表*@paraml1*@paraml2*@return*/publicListNodemergeTwoLists(ListNodel1,ListNodel2){//新建一个头
牙疼想吃桃·2025-05-08 01:23

Tracing the thoughts of a large language model【追踪大型语言模型的思维】

像Claude这样的语言模型不是由人类直接编程的——相反，它们是在大量数据上进行训练的。在训练过程中，它们学习自己的解决问题策略。这些策略被编码在模型为每个单词执行的数十亿次计算中。
u013250861·2025-05-08 01:53

合并两个有序链表-C语言

合并两个有序链表21.合并两个有序链表-力扣（LeetCode）(leetcode-cn.com)定义两个链表head，tail；遍历两个链表list1，list2，找最小。
脆订壳·2025-05-08 01:52

pytorch与深度学习

ChatGPTPyTorch是一个由FacebookAIResearchTeam开发的开源深度学习库，它提供了一个灵活的环境和丰富的API，用于快速且方便地构建、训练和部署深度学习模型。
109702008·2025-05-08 01:52

大模型之大模型压缩（量化、剪枝、蒸馏、低秩分解），推理（vllm）

目录前言一、模型量化（quantization）1.量化概念2.模型量化优点3.什么情况下应该/不应该使用模型量化4.落地挑战5.量化方法5.1量化训练(QuantAwareTraining,QAT)原理
大模型八哥·2025-05-08 01:22

基于深度学习的语音识别系统构建与优化

语音识别的应用场景（三）语音识别的挑战深度学习在语音识别中的应用（一）深度学习的优势（二）常用的深度学习模型语音识别系统的构建（一）数据准备1.数据收集2.数据预处理3.数据标注（二）模型选择（三）模型训练与优化
CarlowZJ·2025-05-08 00:48

大模型技术全景解析：从基础架构到应用生态

·深度学习框架·TensorFlow：静态计算图设计，适合大规模分布式训练与工业部署；·PyTorch：动态图机制提升开发灵活性，研究首选，支持快速原型设计；二、模型演进·LLM：大语言模型（参数量超大的通用语言模型
阿飞快码·2025-05-08 00:17

Datawhale AI春训营--蛋白质预测（AI+生命科学）

基础解题方案方法1：词向量+机器学习步骤1：训练词向量使用gensim库的Word2Vec模型对氨基酸序列进行词向量训练。
2 0 1 2·2025-05-07 23:43

基于 PyTorch 的权限授权时间预测模型

目录1.引言2.数据准备与预处理3.因果分析4.构建一个简单的线性回归模型来预测权限授权时间5结果与分析5.1模型训练结果5.2模型参数5.3模型性能评估5.4数据可视化6讨论6.1局限性6.2未来方向
梦弦18·2025-05-07 23:12

从零学习大模型（一）-----GPT3（上）

GPT-3（GenerativePre-trainedTransformer3）是一种大型自回归语言模型，由OpenAI团队训练和发布。
懒惰才能让科技进步·2025-05-07 23:11

Python爬虫与语音识别技术的完美结合：从抓取音频到文本提取的完整实践

通过爬虫技术，开发者能够抓取大量的信息，为后续的数据分析、机器学习训练、自然语言处理等应用提供数据支持。1.2语音识别技术简介语音识别是将语音信号转化为文字的技术。
Python爬虫项目·2025-05-07 20:56

日期有关的算法题(ctime库的使用)

在leetcode中有许多和日期计算相关的题目，我在这里对这些题目进行总结，并尽量使用简单的方式（调库）来解决这些题目。
LearnerForeveer·2025-05-07 20:54

【第1章＞第11节】小波神经网络的理论学习与MATLAB仿真

目录1.使用软件和版本2.小波神经网络概述2.1小波神经网络基本结构2.2小波基函数3.小波神经网络的MATLAB编程实现4.样本干扰，隐含层数量对小波神经网络的训练性能影响分析4.1样本干扰4.2隐含层数量
fpga和matlab·2025-05-07 20:22

如何用Python训练你的第一个神经网络：零基础实战指南

如何用Python训练你的第一个神经网络：零基础实战指南引言：打破神经网络的神秘感"神经网络"听起来像是只有博士才能理解的复杂概念，但实际上，借助现代Python工具库，任何人都可以在几分钟内搭建并训练自己的第一个神经网络
2501_91537435·2025-05-07 20:22

Python训练打卡Day4

#初识pandas库与缺失数据的补全在Python中几乎所有的对象都是类的实例化，其中实例化是根据类来创建具体对象的过程。打个比方，类就像是汽车的设计图纸，实例化就像是按照汽车设计图纸生产出一辆真正的汽车。每一辆生产出来的汽车都有自己独特的属性值，比如颜色可能是红色或者蓝色，这些汽车就是类的实例。每个对象都有属性(attributes)和方法(methods),属性是对象的变量或数据，方法是对象的
编程有点难·2025-05-07 19:50

Python训练打卡Day5

#离散特征的处理1.数据读取#读取数据importpandasaspddata=pd.read_csv('data.csv')#此时data是一个DataFrame对象data.columns#查看数据dataframe对象的类名2.找到所有的离散特征#打印所有的离散变量名#在python中对于变量名常常用英文含义和下划线来命名，而不借助拼音，便于他人阅读和理解代码#连续的英文是continuou
编程有点难·2025-05-07 19:50

Python训练打卡 Day1

#变量和输出函数1.变量的命名和定义在Python里，变量命名需要遵循以下规则：变量名只能包含字母、数字和下划线（_）。变量名不能以数字开头。变量名不能是Python的关键字（像if、else、for等）。变量名区分大小写，myVar和myvar是不同的变量。常见的命名方法：蛇形命名法和驼峰命名法。蛇形命名法：采用小写字母，单词之间用下划线分隔，例如my_variable。驼峰命名法：每个单词的首
编程有点难·2025-05-07 19:20

Python训练打卡Day2

#字符串的运算1.字符串拼接str1="Hello"str2="Python"#字符串拼接（中间加空格）greeting=str1+""+str2print(greeting)#输出:HelloPython2.字符串重复str3="Hi"#字符串重复3次repeated_str=str3*3print(repeated_str)#输出:HiHiHi3.字符串比较可以使用比较运算符（如==、!=、、
编程有点难·2025-05-07 19:20

山东大学项目实训-创新实训-法律文书专家系统-个人报告（一）

前言：在本项目中，我主要负责大模型的本地部署，个人工作主要围绕探索模型本地部署技术、模型训练、模型微调以及AI开发工具使用等方面展开。
eihh23333·2025-05-07 19:15

大模型参数高效微调（PEFT）技术解析及微调加速实践

2023年，大模型如雨后春笋般爆发，58同城TEG-AILab作为AI平台部门，紧跟大语言模型技术发展步伐，打造了大语言模型平台，支持大语言模型训练和推理部署，并基于大语言模型平台构建了58同城生活服务领域
程序员莫玛·2025-05-07 19:15

爬取法律文书数据并训练文本分类模型：深度学习与法律文本分析

在本篇博客中，我们将详细介绍如何爬取法律文书数据，并基于深度学习技术训练一个文本分类模型，来自动分类法律文书的类型。通过
Python爬虫项目·2025-05-07 18:44

【图像超分】论文复现：多级窗口增大感受野，线性空间映射降低复杂度！高效超分模型HiT-SR的Pytorch源码复现，获得与论文一致的指标和超分可视化结果，核心结构SCC详解！

【超分辨率（Super-Resolution）】关于【超分辨率重建】专栏的相关说明，包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等）完整代码和训练好的模型权重文件下载链接见本文底部
十小大·2025-05-07 18:41

Python训练营打卡DAY18

聚类后的分析：推断簇的类型知识点回顾：推断簇含义的2个思路：先选特征和后选特征通过可视化图形借助ai定义簇的含义科研逻辑闭环:通过精度判断特征工程价值作业：参考示例代码对心脏病数据集采取类似操作，并且评估特征工程后模型效果有无提升。最开始用全部特征来聚类，把其余特征作为x，聚类得到的簇类别作为标签构建监督模型，进而根据重要性筛选特征，来确定要根据哪些特征赋予含义。最终大致分为5类：高血糖/非典型胸
我想睡觉261·2025-05-07 16:59

拆书帮第14期训练营——作业三：如何实践刻意练习

在实践中，这往往归结为带有几个额外步骤的有目的的练习：首先辨别杰出人物，然后推测是什么使他们变得如此杰出，接着再提出训练方法，这些方法
LynnHarold·2025-05-07 16:26

WGAN+U-Net架构实现图像修复

简介简介：该论文提出了一种基于Wasserstein生成对抗网络（WGAN）的图像修复方法，使用U-Net生成器，通过对抗损失与内容损失联合训练，有效解决了传统方法对破损区域形状大小受限、修复痕迹明显的问题
这张生成的图像能检测吗·2025-05-07 15:54
上一页 70 71 72 73 74 75 76 77 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他