leetcode训练第25页

ElasticCTR：一键部署的分布式CTR预估解决方案

该方案融合了百度业务场景下持续打磨的高精度CTR模型、飞桨开源框架的大规模分布式训练能力、工业级稀疏参数弹性调度服务，帮助用户在Kubernetes环境中一键完成推荐系统部署，具备高性能、工业级部署、端到端体验的特点

萧桔格Wilbur·2025-07-04 06:09

机器学习-三大SOTA Boosting算法总结和调优

参考书籍：《机器学习公式推导和代码实现》书籍页码：P197～205简介除了深度学习适用的文本、图像、语音、视频等非结构化数据，对于训练样本较少的结构化数据，Boosting算法仍是第一选择。

小新学习屋·2025-07-04 05:02

Qwen3 Embedding 结构-加载-训练看透模型设计哲学

看透一个顶级AI句向量模型的设计秘密，从文件结构到加载原理，再到其背后的训练哲学。

·2025-07-04 04:25

Python数据结构之 Big O

学习课程：【Udemy高分付费课程】Python数据结构与算法-终极Python编码面试和计算机科学训练营在Python中，BigO表示法用于描述算法的时间复杂度，即算法运行时间与输入大小之间的关系；或空间复杂度

ぃ曦晔°·2025-07-04 03:53

人脸识别接口&sdk，两张人脸相似度比对

人工智能时代，人脸识别技术正在被广泛应用于金融支付、安防监控、身份验证等多个领域，基于深度学习算法于海量样本训练，人脸识别接口以高精度、低延迟的特性出现在大众视野，成为开发者和企业用户集成人脸识别功能的首要选择之一

·2025-07-04 02:15

【AI Infra】基础学习汇总篇

系列综述：目的：本系列是个人整理为了学习训练框架优化的，整理期间苛求每个知识点，平衡理解简易度与深入程度。

逆羽飘扬·2025-07-04 01:41

BAAI/BGE-VL多模态模型部署、原理、代码详解（实现图像文本混合检索），包含BEG-VL多模态模型的本地部署详细步骤及代码原理解析

.BGE-VL-MLLM-s1/s2三、总结前言提示：这里可以添加本文要记录的大概内容：包含四个模型及数据集，数据集未开源，四个模型可以分别下载：其中，BGE-VL-base/Large是基于CLIP训练的模型

令令小宁·2025-07-04 01:09

Llama改进之——分组查询注意力

多查询注意力可能导致质量下降和训练不稳定，因此常用的是分组查询注意力。然后我们结合上篇文章3探讨的旋转位置编码，将选择位置编

愤怒的可乐·2025-07-04 01:37

Llama改进之——均方根层归一化RMSNorm

LayerNorm层归一化(LayerNorm)对Transformer等模型来说非常重要，它可以帮助稳定训练并提升模型收敛性。LayerNorm针对一个样本所有特征计算

愤怒的可乐·2025-07-04 01:36

从0实现llama3

这个链接实现了一个非常简洁的BPE分词器简易分词器实现BPE分词器（选看）1)训练tokenizer词汇表并合并给定文本，

讨厌编程但喜欢LLM的学院派·2025-07-04 01:36

手把手从零打造 Llama3：解锁下一代预训练模型

本篇文章将带你从头构建Llama3预训练流程，深入了解其关键细节和实现方式，让你掌握这一下一代模型的核心技术。1.启动训练脚本在这一步中，我们将实现Llama3的预训练框

会飞的Anthony·2025-07-04 01:35

如何训练一个 Reward Model：RLHF 的核心组件详解

本文将系统介绍如何从零开始训练一个rewardmodel，包括数据准备、模型结构、损失函数、训练方法与注意事项。什么是RewardModel？

茫茫人海一粒沙·2025-07-04 00:04

1＜=n＜=200 （蓝桥杯训练题库）c/c++

#includeinti,n,j,v;intsort(int*a,intn){for(i=0;ia[j]){v=a[i];a[i]=a[j];a[j]=v;}}intmain(){scanf("%d",&n);inta[200];for(i=0;i#includeusingnamespacestd;intmain(){intn;cin>>n;inta[200];for(inti=0;i>a[i];

·2025-07-04 00:59

利用人名语言分类案例演示RNN、LSTM和GRU的区别（基于PyTorch）

数据预处理模块详解2.1定义字符集和语言类别2.2读取数据2.3人名转换为one-hot编码张量2.4自定义数据集类2.5数据加载器三、模型定义模块详解3.1RNN模型3.2LSTM模型3.3GRU模型四、模型训练与测试模块详解

.30-06Springfield·2025-07-04 00:29

YOLOv8 轴承缺陷检测使用YOLOv8进行训练、评估和可视化预测结果包含1440张图片的轴承缺陷检测数据集 YOLO格式或XML格式

可以直接用于模型训练。YOLOv8轴承缺陷检测importosimporttorchfromIPy

OICQQ67658008·2025-07-03 23:59

ChatGPT、DeepSeek等大语言模型技术教程

这些模型通过深度学习和大规模语料库训练，能够帮助科研人员高效地筛选文献、生成论文内容、进行数据分析和优化机器学习模型。

·2025-07-03 23:54

LeetCode 热题 100 - 贪心算法 - 买卖股票的最佳时机 - javascript

题目给定一个数组prices，它的第i个元素prices[i]表示一支给定股票第i天的价格。你只能选择某一天买入这只股票，并选择在未来的某一个不同的日子卖出该股票。设计一个算法来计算你所能获取的最大利润。返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润，返回0。示例1：输入：[7,1,5,3,6,4]输出：5解释：在第2天（股票价格=1）的时候买入，在第5天（股票价格=6）的时候卖出，

Jxxli·2025-07-03 21:46

讯飞星火深度推理模型X1，为教育医疗带来革新

它通过大规模多阶段强化学习训练方法，在复杂推理、数学、代码、语言理解等场景全面

·2025-07-03 21:42

Rust实现FasterR-CNN目标检测全流程

Rust生态中可以通过tch-rs（Torch绑定）调用预训练的PyTorch模型实现。

KENYCHEN奉孝·2025-07-03 21:42

使用numpy或pytorch校验两个张量是否相等

文章目录1、numpy2、pytorch做算法过程中，如果涉及到模型落地，那必然会将原始的深度学习的框架训练好的模型转换成目标硬件模型的格式，如onnx,tensorrt,openvino,tflite

·2025-07-03 20:33

用sklearn库中的算法对数据集进行训练和auc评估（个人学习笔记）

题目：运用已给数据集进行模型训练，使用逻辑回归、决策树、随机森林和AdaBoost几个算法进行训练，并打印各个算法训练后的auc评价指标。

ZD困困困·2025-07-03 17:16

学习笔记(29):训练集与测试集划分详解：train_test_split 函数深度解析

学习笔记(29):训练集与测试集划分详解：train_test_split函数深度解析一、为什么需要划分训练集和测试集？

宁儿数据安全·2025-07-03 17:42

【Torch】nn.Dropout算法详解

其核心思想是在训练阶段随机“丢弃”（置零）部分神经元的输出，以减少网络对特定神经元的过度依赖；在推理阶段则保持所有神经元输出不变。

油泼辣子多加·2025-07-03 17:11

【YOLOv11】ultralytics最新作品yolov11 AND 模型的训练、推理、验证、导出以及使用

Jackilina_Stone·2025-07-03 16:36

Step-by-Step Diffusion&Flow Model Notes

例如，假设我们有一组狗的图像训练集，这些图像来自某个潜在分布pdogp_{\text{dog}}pdog，我

克斯维尔的明天_·2025-07-03 16:31

机器学习：集成学习方法之随机森林(Random Forest)

集成学习方法主要分为两大类：Bagging(BootstrapAggregating)：并行训练多个基学习器，然后通过投票

慕婉0307·2025-07-03 15:55

微软：LLM训练数据组织框架DELT

标题：DataEfficacyforLanguageModelTraining来源：arXiv,2506.21545摘要数据是语言模型（LM）训练的基础。

大模型任我行·2025-07-03 13:17

【人工智能】 AI的进化之路：大模型如何重塑技术格局

从早期神经网络到现代大模型的突破，文章分析了关键技术进步，如Transformer架构、预训练机制和分布式计算。结合数学公式和代码示例，详细阐述了大模型的训练原理、优化方法及实际应用场景。文

蒙娜丽宁·2025-07-03 12:32

语言的钥匙：提示工程的艺术与驾驭AI的智慧

答案并非在于重新训练这头计算巨兽（成本高昂且周期漫长），而在于掌握一门新兴的关键技艺——提示工程（PromptEngineering）。提示工程，简而言之，就是精心设计输入给模型的自然语言指令

田园Coder·2025-07-03 10:51

链表经典练习题及题解（c++)

一.160.相交链表-力扣（LeetCode）思路1：分别遍历两个链表得出两个链表长度，然后长的链表向后移动长度之差步，接着长短链表同时移动，直到遇到相交结点或者无交点结束。

紫色幽灵魔·2025-07-03 09:12

pytorch官方文档60分钟入门笔记

文章目录1.张量（Tensors）定义张量张量操作2.自动求导（autograd）变量Variable3.神经网络4.训练一个分类器载入数据5.数据并行day63参考：官方文档https://blog.csdn.net

xiaodidadada·2025-07-03 08:41

DeepSeek打破AI天花板：MoE架构+RL推理，效率提升5倍的底层逻辑

文章目录一、引言二、MoE架构：高效计算的核心支撑（一）MoE架构概述（二）DeepSeekMoE架构的创新点（三）MoE架构的代码实现示例三、RL推理：智能提升的关键驱动（一）RL推理概述（二）R1的训练流程

m0_74825409·2025-07-03 08:08

基于改进扩散模型与注意力机制的影像到转基因数据预测系统

系统采用PyTorch框架实现，包含数据预处理、模型架构、训练流程和评估指标等完整模块。

·2025-07-03 08:37

深入剖析AI大模型：关于模型训练

今天说的是模型训练，在AI模型里，它是点亮智慧星辰的关键引擎。

chilavert318·2025-07-03 08:06

微调 || RAG，项目落地怎么选？LLM应用选型指南，适用场景全解析

基本定义微调：是指利用更小、更具针对性的数据集对经过预先训练的大语言模型进一步训练的过程。在这个过程中，模型基于新数据集修改权重和参数，学习特定于任务的模式，同时保留来自最初预训练模型的知识。

认知超载·2025-07-03 08:36

【深度学习:进阶篇】--4.2.词嵌入和NLP

整体大小太大没能表示出词与词之间的关系例如Apple与Orange会更近一些，Man与Woman会近一些，取任意两个向量计算内积都为0目录1.词嵌入1.1.特点1.3.word2vec介绍1.3.Word2Vec案例1.3.1.训练语料

西柚小萌新吖(●ˇ∀ˇ●)·2025-07-03 07:32

深度学习学习经验——卷积神经网络（CNN）

卷积神经网络的完整实现项目示例项目目标1.加载数据2.卷积层：图像的特征探测器2.1第一个卷积层3.激活函数：增加非线性4.池化层：信息压缩器5.多层卷积和池化：逐层提取更高层次的特征6.全连接层：分类器7.模型训练和测试完整的项目示例代码总结卷积神经网络

Linductor·2025-07-03 07:02

LeetCode - #106 从中序与后序遍历序列构造二叉树

LeetCode算法到目前我们已经更新到105期，我们会保持更新时间和进度（周一、周三、周五早上9:00发布），每期的内容不多，我们希望大家可以在上班路上阅读，长久积累会有很大提升。

网罗开发·2025-07-03 07:01

LeetCode - #144 二叉树的前序遍历

LeetCode算法到目前我们已经更新到143期，我们会保持更新时间和进度（周一、周三、周五早上9:00发布），每期的内容不多，我们希望大家可以在上班路上阅读，长久积累会有很大提升。

网罗开发·2025-07-03 07:01

Python Day44

Task：1.预训练的概念2.常见的分类预训练模型3.图像预训练模型的发展史4.预训练的策略5.预训练代码实战：resnet181.预训练的概念预训练（Pre-training）是指在大规模数据集上，先训练模型以学习通用的特征表示

别勉.·2025-07-03 07:57

Python Day42

常用于训练过程中的监控、日志记录、模型保存等场景。示例：defcallback_function():print("Epochcompleted!")

别勉.·2025-07-03 07:27

Swift 实现二叉树垂直遍历：LeetCode 314 完整解析与实战示例

今天这题LeetCode314——BinaryTreeVerticalOrderTraversal（二叉树的垂直遍历），就考验了我们如何按垂直方向组织二叉树节点

网罗开发·2025-07-03 07:57

Python Day53

传统的神经网络训练中，我们通常会直接定义一个损失函数（如均方误差MSE、交叉熵CE），然后通过反向传播来优化这个损失。这个损失的“来源”

别勉.·2025-07-03 07:56

零基础起步：基于GpuGeek的文本生成模型实战

本文将带领读者使用GpuGeek平台，从注册、上传数据到实例部署与训练，完整构建一个基于GPT2模型的文本生成系统，实战掌握AI模型的云端开发流程。

昊昊该干饭了·2025-07-03 06:54

Instrct-GPT 强化学习奖励模型 Reward modeling 的训练过程原理实例化详解

Instrct-GPT强化学习奖励模型Rewardmodeling的训练过程原理实例化详解一、批次处理的本质：共享上下文的比较对捆绑（1）为什么同一prompt的比较对必须捆绑？

John_今天务必休息一天·2025-07-03 06:19

【数据标注师】关键词标注

**关键词类型体系**二、**四阶训练体系**▶**阶段1：基础规则内化**▶**阶段2：语义浓缩训练**▶**阶段3：场景化标注策略**▶**阶段4：工具效率提升**三、**五大高频错误防御指南**四

试着·2025-07-03 03:31

【数据标注师】事件标注2

**三大项目特性**二、**四阶段系统学习法**▶**阶段1：掌握标注指南（20%理论+80%案例）**▶**阶段2：触发词精准识别训练**▶**阶段3：要素抽取实战技巧**▶**阶段4：复杂场景突破三

试着·2025-07-03 03:00

(论文总结)思维链激发LLM推理能力

动机:从之前的应用和研究中得知，可以用生成自然语言解释、使用神经符号等形式语言的方法来提高大模型的算术推理能力，当时采用了从头预训练和微调模型的方法，耗费的成本较多；而且大模型具有根据少量文本提示进行上下文少样本学习的能力

靈镌sama·2025-07-03 03:58

使用GPU进行机器学习训练时，如果GPU-Util计算核心满载工作但是显存占用较少，应该如何优化？

是否需要优化？如果任务运行正常：无需干预（GPU设计本就是优先榨干计算性能）。如果出现卡顿或效率低下：增大batch_size：提升显存占用，减少数据搬运次数（但需避免OOM）。启用混合精度：torch.cuda.amp可减少显存占用并加速计算。检查CPU到GPU的数据流：避免频繁的小数据拷贝（如DataLoader的num_workers设置）。

十子木·2025-07-03 01:11

DAY 40 训练和测试的规范写法

目录一、单通道图片的规范写法图像任务中的张量形状NLP任务中的张量形状1.Flatten操作2.view/reshape操作总结二、彩色图片的规范写法知识点回顾：彩色和灰度图片测试和训练的规范写法：封装在函数中展平操作

acstdm·2025-07-03 01:10

推荐频道

leetcode训练