LeetCode训练第94页

YOLOv3预训练权重——开启目标检测的快捷之门

YOLOv3预训练权重——开启目标检测的快捷之门【下载地址】yolov3预训练权重资源yolov3预训练权重资源欢迎来到YOLOv3预训练权重的下载页面！

毕昕露Lionel·2025-04-16 05:31

YOLOv3实践教程：使用预训练模型进行目标检测

目录简介环境准备获取预训练模型图像目标检测视频目标检测模型性能优化常见问题解答进阶学习路径简介YOLOv3（YouOnlyLookOnceversion3）是一种高效的实时目标检测算法，由JosephRedmon

LIUDAN'S WORLD·2025-04-16 05:00

LeetCode 第55题：跳跃游戏

今天我们要聊的是LeetCode第55题：跳跃游戏（JumpGame）。这个题目看似简单，但背后隐藏了不少算法技巧。

Gemini技术窝·2025-04-16 04:21

[LeetCode 45] 跳跃游戏2 (Ⅱ)

题面：LeetCode45跳跃游戏2数据范围：1≤nums.length≤1041\lenums.length\le10^41≤nums.length≤1040≤nums[i]≤10000\lenums

短尾黑猫·2025-04-16 04:50

AI Agent开发第31课-微调自己的YOLO12来做复杂图像鉴别-上

TGITCIC·2025-04-16 03:16

代码随想录算法训练（贪心算法的理解）

1.大纲2.步骤贪心算法一般分为如下四步：将问题分解为若干个子问题找出适合的贪心策略求解每一个子问题的最优解将局部最优解堆叠成全局最优解贪心算法并没有固定的套路。所以唯一的难点就是如何通过局部最优，推出整体最优。不从整体最优上加以考虑，他所做出的仅是在某种意义上的局部最优解。动态规划主要运用于二维或三维问题，而贪心一般是处理一维问题

有点冰冰·2025-04-16 03:13

机器学习中监督学习、无监督学习、强化学习的区别

监督学习、无监督学习和强化学习是机器学习的三种主要类型，它们在数据、目标和训练过程上有着本质的区别：监督学习（SupervisedLearning）数据：监督学习使用标记过的数据集，即每个样本都有对应的标签或目标值

、我是男生。·2025-04-16 03:13

探索K-近邻算法（KNN）：原理、实践应用与文本分类实战

第一部分：引言与背景KNN算法在机器学习领域的重要性及其地位KNN算法作为机器学习中的基石之一，由于其概念直观、易于理解并且不需要复杂的模型训练过程，被广泛应用于多种场景。

成都怡乐轩科技·2025-04-16 02:09

Xtuner微调大模型

文章目录Xtuner微调大模型一、介绍二、安装使用2.1构建虚拟环境2.1.1创建虚拟环境2.1.2安装Xtuner2.2下载模型2.3微调准备2.3.1创建微调训练配置文件2.3.2修改微调训练配置文件

CodeSilence·2025-04-16 01:58

LeetCode hot 100—腐烂的橘子

题目在给定的mxn网格grid中，每个单元格可以有以下三个值之一：值0代表空单元格；值1代表新鲜橘子；值2代表腐烂的橘子。每分钟，腐烂的橘子周围4个方向上相邻的新鲜橘子都会腐烂。返回直到单元格中没有新鲜橘子为止所必须经过的最小分钟数。如果不可能，返回-1。示例示例1：输入：grid=[[2,1,1],[1,1,0],[0,1,1]]输出：4示例2：输入：grid=[[2,1,1],[0,1,1],

rigidwill666·2025-04-16 01:57

leetcode hot100【LeetCode 74.搜索二维矩阵】java实现

LeetCode74.搜索二维矩阵题目描述给你一个满足下述两条属性的mxn整数矩阵：每行中的整数从左到右按非严格递增顺序排列。每行的第一个整数大于前一行的最后一个整数。

DataCrafter·2025-04-16 00:27

leetcode hot100-64 搜索二维矩阵

classSolution{public:boolsearchMatrix(vector>&matrix,inttarget){intm=matrix.size();intn=matrix[0].size();intleft=0;intright=m*n-1;while(lefttarget){right=mid-1;}}returnfalse;}};若将矩阵每一行拼接在上一行的末尾，则会得到一个

再不刷leetcode就找不到工作了·2025-04-16 00:57

GPT-2源码实现及GPT-3、GPT-3.5、GPT-4及GPT-5内幕解析(三)

内幕机制可视化解析GPT-3是一个基于Transformer的语言模型，通过不同的层次提取语言不同层面的特性，构建整个语言的语义信息，它学习的过程跟人类正常学习的过程是类似的，开始的时候是一个无监督预训练

段智华·2025-04-16 00:26

Leetcode系列：矩阵

73.矩阵置零classSolution{publicvoidsetZeroes(int[][]matrix){//检查第一行和第一列是否有0intl_matrix=matrix.length;//列intr_matrix=matrix[0].length;//行booleanl_flag=false;//列booleanr_flag=false;//行//检查第一列for(inti=0;ispi

Lens Bit·2025-04-16 00:54

Pytorch深度学习框架60天进阶学习计划 - 第41天：生成对抗网络进阶（三）

Pytorch深度学习框架60天进阶学习计划-第41天：生成对抗网络进阶（三）7.实现条件WGAN-GP#训练条件WGAN-GPdeftrain_conditional_wgan_gp():#用于记录损失

凡人的AI工具箱·2025-04-15 22:11

深度学习目标检测算法Yolov8训练无人机火灾检测数据集建立基于深度学习卷积神经网络的无人机火灾检测识别

深度学习目标检测算法Yolov8训练无人机火灾检测数据集建立基于深度学习卷积神经网络的无人机火灾检测识别文章目录**1.安装依赖****2.准备数据集****3.配置YOLOv8****4.评估数据集*

计算机C9硕士_算法工程师·2025-04-15 22:38

Leetcode 3518. Smallest Palindromic Rearrangement II

Leetcode3518.SmallestPalindromicRearrangementII1.解题思路2.代码实现题目链接：Leetcode3518.SmallestPalindromicRearrangementII1

Espresso Macchiato·2025-04-15 21:35

创建 YOLO 标准的训练/验证目录

下面是一个简单的Python脚本，只用于创建YOLO标准的训练/验证目录结构，不涉及划分或复制文件。

有人给我介绍对象吗·2025-04-15 20:59

使用python和matlab实现BP神经网络算法的分析比较

1.BP神经网络的基本原理BP神经网络（BackPropagationNeuralNetwork）是一种多层前馈神经网络，通过反向传播算法来训练网络。

ChaseDreamRunner·2025-04-15 19:25

【论文阅读】Adaptive Mixtures of Local Experts

其思想是训练多个神经网络(也就是多个专家，每一个专家是一个神经网络)。每个专家被指定应用于数据集的不同部分。这就是说，数据集可能有着多个不同的来源(意思是说数据集中的数据的产生方式不同)。

CC‘s World·2025-04-15 19:53

Stable Diffusion太慢？国内高并发AI绘画方案，5倍速+99%可用性

张图需3~10秒，512x512分辨率并发请求>10即崩溃，电商批量生成1000张图需数小时企业级需求：广告公司需实时生成营销素材（如热点事件借势）游戏工作室需批量产出角色/场景原画2.版权风险高SD模型训练数据污

GoMaxAi·2025-04-15 19:21

BFS算法五连击：从入门到精通，解密Node结构体的千面应用

1.腐烂的橘子（LeetCode994）题目描述在m×n网格中，每个单元格可以是：0表示空单元格1表示新鲜橘子2表示腐烂橘子每分钟，腐烂橘子会感染周围4个方向的新鲜橘子。

维维宝宝最可爱啦QWQ·2025-04-15 18:49

Leetcode系列：二分查找

35.搜索插入位置classSolution{publicintsearchInsert(int[]nums,inttarget){intlen=nums.length;if(targetnums[len-1])returnlen;intstart=0;intend=len-1;intmiddle=0;while(start=0){if(matrix[up][right]=matrix.lengt

Lens Bit·2025-04-15 18:49

LeetCode Hot 100系列：螺旋矩阵（Q54）

1.题目信息54.螺旋矩阵https://leetcode.cn/problems/spiral-matrix/?

Jayson Chang·2025-04-15 18:18

Leetcode3248：矩阵中的蛇

题目描述：大小为nxn的矩阵grid中有一条蛇。蛇可以朝四个可能的方向移动。矩阵中的每个单元格都使用位置进行标识：grid[i][j]=(i*n)+j。蛇从单元格0开始，并遵循一系列命令移动。给你一个整数n表示grid的大小，另给你一个字符串数组commands，其中包括"UP"、"RIGHT"、"DOWN"和"LEFT"。题目测评数据保证蛇在整个移动过程中将始终位于grid边界内。返回执行com

ʚ发什么呆^ɞ·2025-04-15 18:18

Leetcode782：变为棋盘

题目描述：一个nxn的二维网络board仅由0和1组成。每次移动，你能交换任意两列或是两行的位置。返回将这个矩阵变为“棋盘”所需的最小移动次数。如果不存在可行的变换，输出-1。“棋盘”是指任意一格的上下左右四个方向的值均与本身不同的矩阵。代码思路：这个代码是一个解决方案，用于计算将一个给定的二维棋盘（board）通过最少的翻转操作转换为标准国际象棋棋盘所需的最少步数。国际象棋棋盘的特点是：对于nx

ʚ发什么呆^ɞ·2025-04-15 18:18

大语言模型的技术发展历程，从N-gram到DeepSeek-R1

领域的发展历程，介绍各个模型的思路和创新点，聚焦NLP经典模型和技术突破的理解，不深入数学推导过程前言根据整个自然语言处理NLP领域的技术发展，可以将其分为四个技术阶段：统计语言模型，神经网络模型，预训练语言模型

TARO_ZERO·2025-04-15 18:18

【NLP笔记】预训练+微调范式之OpenAI Transformer、ELMo、ULM-FiT、Bert..

文章目录OpenAITransformerELMoULM-FiTBert基础结构Embedding预训练&微调【原文链接】：BERT:Pre-trainingofDeepBidirectionalTransformersforLanguageUnderstanding

`AllureLove·2025-04-15 18:16

一起学Hugging Face Transformers（10）- 使用Transformers 库的 Trainer API 进行模型微调

文章目录前言二、环境准备三、数据准备四、模型选择与加载五、数据预处理1.代码2.详细解析3.小结六、微调模型七、模型评估八、保存模型总结前言在自然语言处理（NLP）领域，预训练模型如BERT、GPT等已经展示了其强大的能力

做个天秤座的程序猿·2025-04-15 18:15

BERT - 直接调用transformers.BertModel, BertTokenizerAPI不进行任何微调

本节代码将使用transformers库加载预训练的BERT模型和分词器（Tokenizer），并处理文本输入。

风筝超冷·2025-04-15 17:13

centos-LLM-生物信息-BioGPT-使用1

参考：GitHub-microsoft/BioGPThttps://github.com/microsoft/BioGPTBioGPT：用于生物医学文本生成和挖掘的生成式预训练转换器|生物信息学简报|牛津学术

淀粉肠狂热粉·2025-04-15 17:09

大模型训练、多模态数据处理与融合

人工智能（AI）领域近年来取得了显著的进步，其中大模型训练和多模态数据处理技术发挥了至关重要的作用。

百度_开发者中心·2025-04-15 15:29

多模态大模型：技术原理与实战全球多模态大模型介绍

技术原理与实战全球多模态大模型介绍文章目录多模态大模型：技术原理与实战全球多模态大模型介绍多模态大模型：技术原理与实战全球多模态大模型介绍1.背景介绍2.核心概念与联系2.1多模态学习2.2跨模态表示学习2.3注意力机制2.4预训练与微调

AI天才研究院·2025-04-15 15:58

大模型RAG系列：什么是RAG？RAG是如何解决问题的？RAG的未来发展趋势！

二、为什么会出现RAGRAG的出现，是因为在大模型的广泛应用中，伴随着出现的一些问题，比如：知识的局限性：模型自身的知识完全源于它的训练数据，而现有的主流大模

大模型微调部署·2025-04-15 15:28

多模态大模型联合训练机制解析：图文音一体 × 架构融合 × 工程实战

✅目录章节编号标题第1章多模态联合训练的三种典型场景第2章图文音输入的数据表示方式全解第3章多模态模型的主流融合架构剖析第4章如何实现模态间对齐？

观熵·2025-04-15 14:54

leetcode每日一题.面试题01.07:旋转矩阵

来源：力扣（LeetCode）链接：https://leetcode-cn.com/problems/rotate-matrix-lcci著作权归领扣网络所有。

Far_Stars·2025-04-15 14:51

训练优化技术：混合精度训练（Mixed Precision Training）

混合精度训练（MixedPrecisionTraining）是一种优化深度学习训练过程的技术，通过结合使用不同精度的数据类型（例如，32位浮动精度和16位浮动精度），在保证模型性能的同时，显著减少内存消耗

彬彬侠·2025-04-15 13:16

海豚语言被谷歌大模型破译！跨物种交流大门打开，哈萨比斯：下一个是狗

当地时间4月14日（也是世界海豚日），谷歌CEO皮猜激动官宣：隆重推出DolphinGemma，基于多年积累的海豚声音数据训练而成，有助于实现跨物种交流。

·2025-04-15 13:10

【AI论文】GigaTok：将视觉标记器扩展到30亿参数以实现自回归图像生成

摘要：在自回归（AR）图像生成中，视觉标记器将图像压缩成紧凑的离散潜在标记，通过下一个标记预测，实现对下游自回归模型的有效训练，以进行视觉生成。

东临碣石82·2025-04-15 13:44

蓝桥杯算法训练礼物贪心算法

资源限制时间限制：1.0s内存限制：256.0MB问题描述JiaoShou在爱琳大陆的旅行完毕，即将回家，为了纪念这次旅行，他决定带回一些礼物给好朋友。在走出了怪物森林以后，JiaoShou看到了排成一排的N个石子。这些石子很漂亮，JiaoShou决定以此为礼物。但是这N个石子被施加了一种特殊的魔法。如果要取走石子，必须按照以下的规则去取。每次必须取连续的2*K个石子，并且满足前K个石子的重量和小

小羊太懒了·2025-04-15 13:13

吴恩达深度学习（17）独热编码|回归树简介

以宠物收养中心应用程序的新训练集为例，除了耳朵形状特征外，其他数据都相同。此时耳朵形状不再只有尖和松软两种，还可以是椭圆形，即耳朵形状（ESHI）特征仍是分类值特征，但从有两个可能值变为有三个可能值。

wgc2k·2025-04-15 12:41

基于主成分分析（PCA）的新能源汽车行驶工况数据降维实战：从理论推导到工业级应用

传统的全维度数据处理面临三大致命问题：实时性危机：BMS控制周期需≤50ms，但原始特征训练模型推理延迟高达320ms存储成本黑洞：10万辆车的年数据存储费用超过2.3亿元

新能源汽车--三电老K·2025-04-15 12:11

力扣leetcode 118杨辉三角代码及题解

简单的动态规划。存储中介就是一个一维的Arraylist.（当然也可以直接用返回的二维list）与传统的状态转移方程不太相同，是下面这个。row.add(l2.get(i-1).get(j-1)+l2.get(i-1).get(j));详细见注释部分classSolution{public

Object_in_java·2025-04-15 12:39

MLP-SVM回归预测(matlab代码)

数据集划分为训练集、验证集、测试集,比例为8：1：1模块化结构:代码将整个流程模块化，使得代码更易于理解和维护。不同功能的代码块被组织成函数或者独立的模块，使得代码逻辑清晰，结构化程度高。

九亿AI算法优化工作室&·2025-04-15 11:36

LeetCode每日一题4.13

1922.统计好数字的数目问题问题分析题目要求我们找到长度为n且满足特定条件（偶数下标处为偶数，奇数下标处为质数）的数字字符串的总数，并对(10^9+7)取余。思路1.枚举生成所有可能的数字字符串：对于长度为n的数字字符串，总共有(10^n)种可能性。检查每个字符串是否为好数字：偶数下标处的数字必须是偶数（0,2,4,6,8）。奇数下标处的数字必须是质数（2,3,5,7）。计数满足条件的字符串数量

WaitWaitWait01·2025-04-15 11:04

LeetCode每日一题4.6

368.最大整除子集问题分析题目要求从一个无重复正整数组成的集合nums中，找出并返回其中最大的整除子集answer。子集中任意两个元素对(answer[i],answer[j])都应满足以下条件之一：answer[i]%answer[j]==0answer[j]%answer[i]==0换句话说，子集中任意两个元素必须是倍数关系（即一个能整除另一个）。如果存在多个有效解集，返回其中任何一个均可。

WaitWaitWait01·2025-04-15 11:34

LeetCode每日一题4.7

416.分割等和子集问题分析题目要求判断是否可以将一个只包含正整数的数组nums分割成两个子集，使得这两个子集的元素和相等。这是一个经典的0-1背包问题的变种，可以通过动态规划（DP）来解决。思路总和为奇数时无法分割：如果数组的总和是奇数，那么不可能将其分成两个和相等的子集，直接返回False。目标值：如果总和是偶数，设总和为total，则每个子集的和应该为target=total//2。问题转化