LeetCode训练

Java算法-力扣leetcode-189. 轮转数组

给定一个整数数组nums，将数组中的元素向右轮转k**个位置，其中k**是非负数。示例1:输入:nums=[1,2,3,4,5,6,7],k=3输出:[5,6,7,1,2,3,4]解释:向右轮转1步:[7,1,2,3,4,5,6]向右轮转2步:[6,7,1,2,3,4,5]向右轮转3步:[5,6,7,1,2,3,4]示例2:输入：nums=[-1,-100,3,99],k=2输出：[3,99,-1
负载均衡-sch·2025-05-05 08:07

AI 编程日报 · 2025 年 5 月 04 日｜GitHub Copilot Agent 模式发布，Ultralytics 优化训练效率

1、OpenAI确认GPT-4o“谄媚”个性更新已完全回滚OpenAI官方已确认，先前推送的一项旨在改进GPT-4o模型个性的更新已被完全撤销。该更新最初目标是提升模型的智能与个性，使其交互更直观有效，但实际效果却导致模型表现出过度“谄媚”和“令人讨厌”的回应风格，引发用户普遍不满。OpenAICEOSamAltman也公开承认了这一点，并表示团队正紧急修复。据了解，此次回滚操作已优先覆盖免费用户
江鸟阁长·2025-05-05 08:04

ModuleFormer：提升大型预训练语言模型效率的模块化架构

ModuleFormer：提升大型预训练语言模型效率的模块化架构ModuleFormerModuleFormerisaMoE-basedarchitecturethatincludestwodifferenttypesofexperts
赖欣昱·2025-05-05 08:01

ANOMALIB第二章：模型训练

ANomalib第二章ANomalib第二章：模型训练数据集准备训练代码用训练好的模型进行推理一起交流ANomalib第二章：模型训练这里我是基于源码进行的，如果还没安装好环境可以去看看第一章。
chonpsk·2025-05-05 05:48

ANOMALIB第一章：安装

ANomalib安装anomalib通过pip安装通过源码安装常见问题收录ANomalib第一章：本地部署ANomalib该框架是基于英特尔的openvino推理平台开发的专用于工业缺陷检测场景下的模型选择、训练和性能测试平台
chonpsk·2025-05-05 05:46

NoProp：无需反向传播，基于去噪原理的非全局梯度传播神经网络训练，可大幅降低内存消耗

该研究成果表明，图像分类模型的训练可以完全不依赖任何形式的全局前向或反
·2025-05-05 05:55

深度学习中保存最优模型的实践与探索：以食物图像分类为例

深度学习中保存最优模型的实践与探索：以食物图像分类为例在深度学习的模型训练过程中，训练一个性能良好的模型往往需要耗费大量的时间和计算资源。而保存最优模型不仅可以避免重复训练，还能方便后续使用和部署。
不吃香菜？·2025-05-05 05:43

华为OD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++）

目录一、适合人群二、本期训练时间三、如何参加四、7日集训五、精心挑选21道高频100分经典题目，作为入门。
哪 吒·2025-05-05 02:24

华为OD七日集训第2期 - 按算法分类，由易到难，循序渐进，玩转OD（Python/JS/C/C++）

目录一、适合人群二、本期训练时间三、如何参加四、7日集训五、精心挑选21道高频100分经典题目，作为入门。
哪 吒·2025-05-05 02:24

LeetCode刷题篇——矩阵篇

旋转矩阵题目不使用额外空间，将二维矩阵顺时针旋转90度链接思路先将矩阵中的元素左右交换，再沿着对角线交换classSolution{publicvoidrotate(int[][]matrix){intlen=matrix.length;if(len==1){return;}for(inti=0;ispiralOrder(int[][]matrix){introws=matrix.length;i
热爱编程的小吴·2025-05-05 01:18

Leetcode: 高频SQL50题笔记——连接（1）

目录SQL连接总结Leetcode练习使用唯一标识码替换员工ID产品销售分析I进店却未进行过交易的顾客解题步骤SQL连接总结在SQL中，连接（Join）是用于将多个表中的数据根据某些关联条件进行关联的操作
vousmevoyezJ·2025-05-05 00:43

【神经网络与深度学习】改变随机种子可以提升模型性能？

引言随机种子在机器学习和数据处理领域中至关重要，它决定了模型训练、数据划分以及参数初始化的随机性。虽然固定随机种子能确保实验的可重复性，但改变随机种子有时会意外提升模型性能。
如果树上有叶子·2025-05-05 00:41

【OpenCV 计算机视觉典型应用】液晶面板缺陷分类实战应用

详细阐述从开发环境搭建、数据准备、模型训练到自动化流程实现的全流程，给出完整代码。实际应用显示，该方案使质检人力缩减50%，良品率提升至98%以上，分类速度提高5-10倍。同时分析常见问题及解决方案
AI_DL_CODE·2025-05-05 00:11

从零实现LeNet5卷积神经网络：MNIST手写数字识别实战

本文将带您实现经典的LeNet5网络架构，并在MNIST手写数字数据集上进行训练与评估。我们将深入探讨数据预处理、网络设计、模型训练和性能分析等关键环节，帮助您全面理解卷积神经网络的工作原理。
loopdeloop·2025-05-05 00:40

基于PyTorch构建神经网络预测模型

准备数据集：确保数据集已经被清洗和预处理，包括标准化或归一化，以及划分训练集、验证集和测试集。定义模型：使用PyTorch定义一个神经网络模型。对于一个具有5个输入和1个输出的模型，你可以定义一个简单
老歌老听老掉牙·2025-05-04 22:03

什么是机器学习，机器学习的用途？

所谓的泛化能力简单地讲就是通过算法训练得到的模型对新的数据预测的准确性有很大的提高与改进。模型泛指从数据中学习到的结果，也可以理解为潜在的一种规律。机器学习
悠悠海风·2025-05-04 22:28

Leetcode Hot100 第18题 146.LRU缓存

structNode{intkey,value;Node*prev,*next;Node():key(0),value(0),prev(nullptr),next(nullptr){}Node(int_key,int_value):key(_key),value(_value),prev(nullptr),
onlyzzr·2025-05-04 21:21

Leetcode146. LRU 缓存 -hot100-codeTop

题目：代码(首刷看解析2024年3月5日）：学的灵神，太优美了，这个哨兵节点思想classNode{public:intkey,value;Node*prev,*next;Node(intk=0,intv=0):key(k),value(v){}};classLRUCache{private:intcapacity;Node*dummy;unordered_mapkey_to_node;voidr
meeiuliuus·2025-05-04 20:20

【Hot 100】94. 二叉树的中序遍历

二叉树的中序遍历题目链接：https://leetcode.cn/problems/binary-tree-inorder-traversal/description/?envType
海码007·2025-05-04 20:49

Leetcode 3538. Merge Operations for Minimum Travel Time

Leetcode3538.MergeOperationsforMinimumTravelTime1.解题思路2.代码实现题目链接：3538.MergeOperationsforMinimumTravelTime1
Espresso Macchiato·2025-05-04 20:48

数据驱动AI开发：多模态数据集、协同推理以及业务启发

然后利用该数据集进行训练和验证模型，进而得到一
AI天才研究院·2025-05-04 19:14

生成对抗网络（Generative Adversarial Networks GANs）

GAN由两个神经网络组成：生成器（Generator）和判别器（Discriminator），它们通过对抗训练的方式进行优化。
嘿丨嘿·2025-05-04 19:09

生成对抗网络（Generative Adversarial Network，简称GAN

以下将详细解释GAN的基本原理及其训练过程。一、GAN的基本原理GAN的基本原
俊星学长·2025-05-04 19:38

【机器学习】生成对抗网络 (Generative Adversarial Networks | GAN)

GAN的核心理念是通过训练两个神经网络，生成器(Generator)和判别器(Discriminator)，它们相互对抗、相互学习，以提高生成器生成数据的质量
林九生·2025-05-04 19:07

AIGC时代下Transformer架构的演进与突破

AIGC时代下Transformer架构的演进与突破关键词：Transformer架构、AIGC、自注意力机制、多模态学习、预训练模型、效率优化、长序列处理摘要：在生成式人工智能（AIGC）爆发式发展的背景下
AI大模型应用工坊·2025-05-04 18:06

【Linux】生产者消费者模型

樊梓慕：个人主页个人专栏：《C语言》《数据结构》《蓝桥杯试题》《LeetCode刷题笔记》《实训项目》《C++》《Linux》《算法》每一个不曾起舞的日子，都是对生命的辜负目录前言1.生产者消费者模型1.1
Coder_FF·2025-05-04 18:36

手把手教你学Simulink-无人机--支持向量机(SVM)分类器训练与部署

目录一、背景介绍支持向量机(SVM)及其应用场景关键挑战二、所需工具和环境三、步骤详解步骤1：准备数据集步骤2：划分训练集和测试集步骤3：训练SVM分类器（1）选择核函数（2）模型优化步骤4：评估模型性能步骤
小蘑菇二号·2025-05-04 18:34

神经网络发展的时间线——积跬步至千里

神经网络类型层创新问题备注感知器单层误差反馈学习阈值函数不可导，构造学习规则与感知器准则等价线性神经元单层梯度下降法训练参数线性函数，多层仍是线性变换本质上是最小二乘准则浅层神经网络（早期）多层Sigmoid
phoenix@Capricornus·2025-05-04 18:32

Matlab交叉验证函数——crossvalind

Syntax语法Indices=crossvalind('Kfold',N,K)%K折交叉验证[Train,Test]=crossvalind('HoldOut',N,P)%将原始数据随机分为两组,一组做为训练集
bajiong1328·2025-05-04 17:29

基于PyTorch和BERT的电商情感多分类任务

BERT是一种预训练的深度双向T
bug_code702·2025-05-04 16:19

【刷力扣】23. 合并 K 个升序链表（dummy节点技巧 + 分治思维 + 优先队列）

目录一、合并升序链表问题二、题目：[21.合并两个有序链表](https://leetcode.cn/problems/merge-two-sorted-lists/description/)1、掌握dummy
南七行者·2025-05-04 16:47

合并两个有序链表 - 力扣（LeetCode）

基础知识要求：Java：方法、while循环、ifelse语句、构造器函数、逻辑运算符Python：方法、while循环、ifelse语句、构造器函数、逻辑运算符数据结构：链表题目：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1：输入：l1=[1,2,4],l2=[1,3,4]输出：[1,1,2,3,4,4]示例2：输入：l1=[],l2=[]输
千小凡·2025-05-04 16:16

合并 K 个升序链表 - 力扣(LeetCode)

基础知识要求：Java：方法、while循环、for循环、PriorityQueue类、if判断Python：方法、while循环、for循环、heapq模块、if判断数据结构:队列题目：给你一个链表数组，每个链表都已经按升序排列。请你将所有链表合并到一个升序链表中，返回合并后的链表。示例1：输入：lists=[[1,4,5],[1,3,4],[2,6]]输出：[1,1,2,3,4,4,5,6]解
千小凡·2025-05-04 16:46

142.环形链表 II- 力扣（LeetCode）

题目：给定一个链表的头节点head，返回链表开始入环的第一个节点。如果链表无环，则返回null。如果链表中有某个节点，可以通过连续跟踪next指针再次到达，则链表中存在环。为了表示给定链表中的环，评测系统内部使用整数pos来表示链表尾连接到链表中的位置（索引从0开始）。如果pos是-1，则在该链表中没有环。注意：pos不作为参数进行传递，仅仅是为了标识链表的实际情况。不允许修改链表。示例1：输入：
Lounger66·2025-05-04 15:14

57.插入区间- 力扣(LeetCode)

题目：给你一个无重叠的，按照区间起始端点排序的区间列表intervals，其中intervals[i]=[starti,endi]表示第i个区间的开始和结束，并且intervals按照starti升序排列。同样给定一个区间newInterval=[start,end]表示另一个区间的开始和结束。在intervals中插入区间newInterval，使得intervals依然按照starti升序排列
Lounger66·2025-05-04 15:44

78.子集- 力扣(LeetCode)

题目：给你一个整数数组nums，数组中的元素互不相同。返回该数组所有可能的子集（幂集）。解集不能包含重复的子集。你可以按任意顺序返回解集。示例1：输入：nums=[1,2,3]输出：[[],[1],[2],[1,2],[3],[1,3],[2,3],[1,2,3]]示例2：输入：nums=[0]输出：[[],[0]]提示：1<=nums.length<=10-10<=nums[i]<=10nums
Lounger66·2025-05-04 15:44

23.合并k个升序序链表- 力扣（LeetCode）

题目：给你一个链表数组，每个链表都已经按升序排列。请你将所有链表合并到一个升序链表中，返回合并后的链表。示例1：输入：lists=[[1,4,5],[1,3,4],[2,6]]输出：[1,1,2,3,4,4,5,6]解释：链表数组如下：[1->4->5,1->3->4,2->6]将它们合并到一个有序链表中得到。1->1->2->3->4->4->5->6示例2：输入：lists=[]输出：[]示例
Lounger66·2025-05-04 15:14

【漫话机器学习系列】238.训练误差与测试误差（Training Error And Test Error）

训练误差与测试误差详解|MachineLearning基础概念在机器学习的学习和实践过程中，我们经常会遇到两个重要的概念：训练误差（TrainingError）和测试误差（TestError）。
IT古董·2025-05-04 15:10

目标检测中的损失函数(三) | SIoU WIoUv1 WIoUv2 WIoUv3

来自挂在2022年arxiv上的文章：《SIoULoss:MorePowerfulLearningforBoundingBoxRegression》文章介绍了一个新的损失函数SIoU，用于边界框回归的训练
悠悠海风·2025-05-04 14:06

每日一道leetcode（五一去兼职了，只能隔一天写两道了）

2300.咒语和药水的成功对数-力扣（LeetCode）题目给你两个正整数数组spells和potions，长度分别为n和m，其中spells[i]表示第i个咒语的能量强度，potions[j]表示第j
XiaoyaoCarter·2025-05-04 14:34

每日一道leetcode（又不会了）

162.寻找峰值-力扣（LeetCode）题目峰值元素是指其值严格大于左右相邻值的元素。给你一个整数数组nums，找到峰值元素并返回其索引。
XiaoyaoCarter·2025-05-04 14:34

机器学习实战：鸢尾花分类

项目目标使用经典的鸢尾花数据集（IrisDataset），通过支持向量机（SVM）算法训练一个分类模型，能够根据花瓣和萼片的测量数据预测鸢尾花的种类。
学术乙方·2025-05-04 13:00

机器学习实战：以鸢尾花数据集分类问题为例

文章将详细介绍数据预处理、模型选择、训练、评估以及预测等步骤，并提供完整且可直接运行的代码示例。一、项目背景与数据集介绍鸢尾花数据集是
Tech Synapse·2025-05-04 13:30

使用 TensorBoard 可视化训练过程：从零开始监控模型表现

使用TensorBoard可视化训练过程：从零开始监控模型表现TensorBoard是TensorFlow官方提供的可视化工具，可以帮助我们实时监控模型的训练指标（如loss、accuracy）、查看模型图结构
2501_91537435·2025-05-04 13:58

基于PyTorch的食物图像分类实战：从数据处理到模型训练

基于PyTorch的食物图像分类实战：从数据处理到模型训练在深度学习领域，图像分类是一个经典且应用广泛的任务。
不吃香菜？·2025-05-04 13:58

逻辑回归基本流程及鸢尾花项目实战

1)将x的值归一化(2)写权重函数z=w1x1+w2x2+…+wixi(3)写激活函数a=σ(z)(4)写损失函数L=-ylog(a)-(1-y)log(1-a)(5)做梯度下降w=w-αdw(6)用训练好的权重
懿小迪·2025-05-04 13:28

读论文笔记-Flamingo：少样本视觉语言模型

读论文笔记-Flamingo：少样本视觉语言模型Plomblems本文拟解决多模态机器学习中，如何将训练好的模型快速适应到少量标注数据的新任务中的问题。
joseanne_josie·2025-05-04 13:27

Few-Shot Object Detection with Sparse Context Transformers-CVPR论文汇报

Few-ShotObjectDetectionwithSparseContextTransformers-CVPR论文汇报背景（Background）迁移学习（transferlearning）是目前解决少样本问题的一个有效方法迁移学习就是在源域（sourcedomain）上训练好一个检测模型后
joseanne_josie·2025-05-04 12:26

微软大模型phi-3速览-3.7B比llama-3 8B更好？

小模型训练优化的重点是优质数据集，LLM创建的合成数据可在较小的语言模型中实现通常只在较大模型中才能看到
will_liam_2024·2025-05-04 10:41

使用 TensorFlow 实现自定义训练循环（Custom Training Loop）

使用TensorFlow实现自定义训练循环（CustomTrainingLoop）默认的model.fit()已足够应对大多数任务，但在一些复杂场景下，如多任务学习、自定义损失函数、梯度裁剪等，我们就需要更细粒度的控制
2501_91537435·2025-05-04 09:39
上一页 73 74 75 76 77 78 79 80 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他