leetcode训练

生成式AI的技术突破与行业落地：从模型架构到产业赋能

根据Gartner2023年技术成熟度曲线，生成式技术已进入生产力爆发期，其核心突破在于通过大规模预训练模型（如GPT-4、StableDiffusion等）实现对复杂数据分布的学习与生成。
尘烬海·2025-05-16 23:46

机器学习 --- kNN算法

utf8importnumpyasnpclasskNNClassifier(object):def__init__(self,k):'''初始化函数:paramk:kNN算法中的k'''self.k=k#用来存放训练数据
*Crystal·2025-05-16 23:13

LeetCode---72.编辑距离

题目：给你两个单词word1和word2，请返回将word1转换成word2所使用的最少操作数。你可以对一个单词进行如下三种操作：插入一个字符删除一个字符替换一个字符示例1：输入：word1="horse",word2="ros"输出：3解释：horse->rorse(将'h'替换为'r')rorse->rose(删除'r')rose->ros(删除'e')示例2：输入：word1="intent
2301_79919332·2025-05-16 23:42

大模型越狱：技术漏洞与安全挑战——从原理到防御

大模型越狱是指利用模型的逻辑漏洞或训练缺陷，通过特定输入（如提示词、对抗样本等）突破其预设的安全机制，使其
JXY_AI·2025-05-16 22:11

机器学习——随机森林（Random Forest）

文章目录一、随机森林的介绍1.核心思想2.随机森林的特点3.随机森林的构建过程4.随机森林的优缺点二、.随机森林算法三、随机森林的实现1.导入库2.描绘可视化混淆矩阵3.数据预处理4.模型训练5.绘制混淆矩阵并打印评分报告
知舟不叙·2025-05-16 22:41

基于OpenCV的人脸识别：LBPH算法

文章目录引言一、概述二、代码实现1.代码整体结构2.导入库解析3.训练数据准备4.标签系统5.待识别图像加载6.LBPH识别器创建7.模型训练8.预测执行9.结果输出三、LBPH算法原理解析四、关键点解析五
知舟不叙·2025-05-16 22:34

数据预处理全流程：从创建数据集到 PyTorch 张量的完整实践

本文通过一个完整的示例，演示如何创建包含缺失值的数据集、处理不同类型的缺失值，并将数据转换为PyTorch张量，为后续模型训练奠定基础。
wwangxubin·2025-05-16 21:02

大模型零基础入门到精通，大模型零基础教程（非常详细），收藏这一篇就够！

这些模型通过在大规模数据集上进行训练，能够学到丰富的数据表示和模式，从而在各种任务上表现出色，如文本生成，语言理解，图像识别等。
程序员辣条·2025-05-16 21:58

Python机器学习实战：掌握NumPy的高效数据操作

高效、准确地处理和操作数据是机器学习模型训练和应用的基础。NumPy（NumericalPython）作为Python生态系统中强大的数值计算库，为机器学习提供了高效的数据结构和操作工具。
AI智能应用·2025-05-16 21:28

Leetcode刷题 | Day61_图论07

一、学习任务最小生成树——prim算法代码随想录最小生成树——kruskal算法代码随想录Kruskal与prim的关键区别在于，prim维护的是节点的集合，而Kruskal维护的是边的集合。在节点数量固定的情况下，图中的边越少，Kruskal需要遍历的边也就越少。而prim算法是对节点进行操作的，节点数量越少，prim算法效率就越优。边数量较少为稀疏图，接近或等于完全图（所有节点皆相连）为稠密图
freyazzr·2025-05-16 20:53

模型压缩与超参数调整：如何根据具体任务调整超参数

因此，当模型训练数据量不足、模型大小过大或资源限制时，我们需要对其进行压缩。模型压缩有两种主要方式：剪枝（Pruning）和量化（Quantization）。下面将详细介绍这两种方法。
AI天才研究院·2025-05-16 20:22

从原理总结chatGPT的Prompt的方法

ChatGPT是OpenAI开发的一种自然语言处理模型，它通过使用大量的无监督数据进行预训练，并使用预训练的模型作为基础，然后通过使用有监督数据进行微调，以生成高质量的对话。
望舒巴巴·2025-05-16 20:51

实时人体姿态检测：YOLOv8与OpenCV的强强联合

它通过网络摄像头捕获视频流，利用TensorFlowLite加载预训练的MoveNetLightning模型，对每一帧图像进行姿态关键点检测。
matlab_python22·2025-05-16 19:16

Python训练打卡Day16

知识点：numpy数组的创建：简单创建、随机创建、遍历、运算numpy数组的索引：一维、二维、三维SHAP值的深入理解#NumPy数组1.数组的维度NumPy数组的维度或称为轴(Axis)的概念：维度：可以想象成数组的嵌套层数，一维数组只有长度，例如[1,2,3].二维数组有行和列，三维数组像一摞扑克牌，每张牌都是一个二维表格。三个维度可以理解为层→行→列。轴是对维度的编号，从0开始。轴0是方向，
编程有点难·2025-05-16 19:16

DeepSeek: 开源AI模型的创新之路

本篇文章将深入探讨DeepSeek的技术背景、架构设计、训练框架以及应用场景，帮助开发者全面了解这一创新型AI模型。DeepSeek是由中国初创公司深度求索(DeepSeek)开
@Rocky·2025-05-16 19:40

RAG怎么向量化？向量化文件存放在哪里？Ollama deepseek-R1 1.5b

通常使用预训练的语言模型来生成这些向量。以下是常见的方法：使用Sente
liyinchi1988·2025-05-16 18:35

LeetCode：236、二叉树的最近公共祖先

/***Definitionforabinarytreenode.*publicclassTreeNode{*intval;*TreeNodeleft;*TreeNoderight;*TreeNode(intx){val=x;}*}*/classSolution{publicTreeNodelowestCommonAncestor(TreeNoderoot,TreeNodep,TreeNodeq)
袁气满满~_~·2025-05-16 18:04

[leetcode]1631. 最小体力消耗路径(bool类型dfs+二分答案/记忆化剪枝/并查集Kruskal思想)

题目链接题意给定n×mn\timesmn×m地图要从(1,1)走到(n,m)定义高度绝对差为四联通意义下相邻的两个点高度的绝对值之差定义路径的体力值为整条路径上所有高度绝对差的max求所有路径中最小的路径体力值是多少方法1这是我一开始自己写的记忆化剪枝比较暴力时间复杂度很高但是能勉强通过思路dfs枚举每条路径对ans取min但是会超时那么加上记忆化剪枝Codevoidcmax(int&a,intb
Joe_Wang5·2025-05-16 17:59

基于大模型预测围术期麻醉苏醒时间的技术方案大纲

目录一、引言（一）研究背景与意义（二）国内外研究现状二、术前阶段（一）数据收集与整理（二）数据预处理与特征工程（三）大模型训练与初步预测（四）术前风险评估与个性化准备三、术中阶段（一）实时数据监测与传输
LCG元·2025-05-16 17:26

如何把DeepSeek R1模型微调成为某个场景的模型

选择合适的硬件和软件环境是微调模型的基础，确保能够提供足够的计算能力来支持模型的训练和推理。数据准备收集并准备适用
LCG元·2025-05-16 17:56

【AI论文】对抗性后期训练快速文本到音频生成

我们提出了对抗相对对比（ARC）后训练，这是第一个不基于蒸馏的扩散/流模型的对抗加速算法。
东临碣石82·2025-05-16 16:49

刷题进阶 -- 剑指Offer、力扣算法题

力扣的刷题计划展览罢了，懒得记录题解了刷题地址：「剑指Offer」-学习计划-力扣（LeetCode）全球极客挚爱的技术成长平台刷题过程中发现动态规划是弱项，找了动态规划的学习计划：「动态规划」-学习计划
啦啦啦___123·2025-05-16 16:18

每日一道leetcode

1268.搜索推荐系统-力扣（LeetCode）题目给你一个产品数组products和一个字符串searchWord，products数组中每个产品都是一个字符串。
XiaoyaoCarter·2025-05-16 15:43

从递归到动态规划之斐波那契数列

题目摘要(509.斐波那契数-力扣（LeetCode）)leetcode第509题斐波那契数（通常用F(n)表示）形成的序列称为斐波那契数列。该数列由0和1开始，后面的每一项数字都是前面两项数字的和。
吃可爱多.·2025-05-16 15:10

GPT-2 小模型剪枝实战：L1 Unstructured 剪枝策略与实现详解

prune_training.py文件，展示如何使用PyTorch对GPT-2Student模型进行L1不规则剪枝（UnstructuredPruning），分析剪枝策略、实现代码、效果影响及保存模型的关键细节，帮助你将训练好的模型进一步轻量化
YoanAILab·2025-05-16 14:07

LeetCode 332. Reconstruct Itinerary

题目【难度：Medium】：Givenalistofairlineticketsrepresentedbypairsofdepartureandarrivalairports[from,to],reconstructtheitineraryinorder.AlloftheticketsbelongtoamanwhodepartsfromJFK.Thus,theitinerarymustbeginw
zdinanyang·2025-05-16 14:32

leetcode0347. 前 K 个高频元素-medium

1题目：前K个高频元素官方标定难度：中给你一个整数数组nums和一个整数k，请你返回其中出现频率前k高的元素。你可以按任意顺序返回答案。示例1:输入:nums=[1,1,1,2,2,3],k=2输出:[1,2]示例2:输入:nums=[1],k=1输出:[1]提示：1topKFrequent(vector&nums,intk){unordered_mapcnt;for(inti:nums){cnt
智趣代码实验室·2025-05-16 13:32

【LeetCode】767. Reorganize String 重构字符串（Medium）（JAVA）

【LeetCode】767.ReorganizeString重构字符串（Medium）（JAVA）题目地址:https://leetcode.com/problems/reorganize-string
吴中乐·2025-05-16 13:29

2025云上人工智能安全发展研究

AI训练数据若被污染
AI方案2025·2025-05-16 13:29

leetcode-sql数据库面试题冲刺（高频SQL五十题）

题目：610.判断三角形表:Triangle±------------±-----+|ColumnName|Type|±------------±-----+|x|int||y|int||z|int|±------------±-----+在SQL中，(x,y,z)是该表的主键列。该表的每一行包含三个线段的长度。对每三个线段报告它们是否可以形成一个三角形。以任意顺序返回结果表。查询结果格式如下所示
我想吃烤肉肉·2025-05-16 13:58

leetcode-sql数据库面试题冲刺（高频SQL五十题）

题目：619.只出现一次的最大数字MyNumbers表：±------------±-----+|ColumnName|Type|±------------±-----+|num|int|±------------±-----+该表可能包含重复项（换句话说，在SQL中，该表没有主键）。这张表的每一行都含有一个整数。单一数字是在MyNumbers表中只出现一次的数字。找出最大的单一数字。如果不存在单
我想吃烤肉肉·2025-05-16 13:28

leetcode-sql数据库面试题冲刺（高频SQL五十题）

题目：570.至少有5名直接下属的经理表:Employee±------------±--------+|ColumnName|Type|±------------±--------+|id|int||name|varchar||department|varchar||managerId|int|±------------±--------+id是此表的主键（具有唯一值的列）。该表的每一行表示雇员
我想吃烤肉肉·2025-05-16 13:57

工业界主流大语言模型后训练技术综述：偏好对齐与能力提升

本文聚焦工业界主流开源大语言模型（LLM）的后训练技术，着重剖析训练算法与数据处理环节，探寻模型性能提升的核心要素。
古月居GYH·2025-05-16 13:56

部署本地大模型并导入本地数据文件的一般步骤

你可以从GitHub等开源平台上找到这些模型的开源代码和预训练权重。安装必要的软件和环境：确保你已经安装了Python环境，可以从Python官方网站下载并安装。安装PyTorch或Tensor
辉腾-T·2025-05-16 13:26

用Python玩转人工智能——数字识别技术 之一

目录前言一、MNIST数据集初始与导入（一）MNIST数据集（MixedNationalInstituteofStandardsandTechnologydatabase）是一个广泛应用于机器学习中训练和测试的二进制图像数据集
波涛浪子·2025-05-16 12:52

Language models are few-shot learners：语言模型是小样本学习者

摘要近期的研究表明，通过在大规模文本语料上进行预训练，再针对特定任务进行微调，可以在许多自然语言处理任务和基准测试中取得显著提升。
AI专题精讲·2025-05-16 12:50

PyTorch 分布式训练

深入理解PyTorch分布式训练：环境变量与进程通信机制在深度学习模型变得日益庞大之后，单个GPU的显存已经无法满足高效训练的需求。
handsomeboysk·2025-05-16 11:18

人工智能模型DeepSeek-V3和DeepSeek-R1的区别

DeepSeek-V3和DeepSeek-R1是深度求索（DeepSeek）人工智能基础研究有限公司推出的两款人工智能模型，尽管它们都基于先进的深度学习技术、强化学习技术，但在设计目标、架构、训练方法、
菩提树下的凡夫·2025-05-16 11:14

0基础也能听懂：从预训练到SFT，对话模型技术栈深度拆解！

简单来说，从基座模型到对话模型的转变需要经过四个步骤：预训练基础模型、任务适应微调（SFT）、人类反馈强化学习（RLHF），以及部署和持续优化。下面，我们就一步步拆解这个过程，看看它是怎么实现的。
AGI大模型资料分享员·2025-05-16 11:42

DeepSeek-V3与DeepSeek-R1的对比

尽管DeepSeek-R1和DeepSeek-V3基于相似的技术框架（混合专家架构MoE），但在设计目标、训练方法、性能表现和应用场景上存在显著差异。
guanking·2025-05-16 11:41

TS2C 开源项目教程

training_script:可能用于训练或测试的部分脚本。
邬千旻Herman·2025-05-16 09:33

英文论文写作：常用AI工具与【新秀笔目鱼】

风格优化、抄袭检测优势：支持浏览器插件和Word集成，适合边写边改定价：免费版基础功能足够，付费版（约960元/年）太贵了2.Paperpal功能：学术语言润色、文本改写、投稿检查亮点：基于数百万篇学术论文训练
Siyu_Zhu·2025-05-16 08:51

可解释性人工智能（eXplainable Artificial Intelligence，XAI）

虽然我们已经训练了很多的模型。比如图像识别模型，给它一张图片，模型会给你图像的类别。
前行居士·2025-05-16 08:50

Cold Diffusion: Inverting Arbitrary Image Transforms Without Noise论文阅读

即使使用完全确定性的降质操作（如模糊、遮蔽等），扩散模型的训练和测试规则仍可被推广，从而生成高质量图像。这一发现挑战了学界对扩散模型的传统认知——即依赖于梯度朗之万动力学或
钟屿·2025-05-16 08:49

编程日志5.8

二叉树练习题1.965.单值二叉树-力扣（LeetCode）/***Definitionforabinarytreenode.
牛牛程序员成长日记·2025-05-16 07:10

自动化学习与边缘计算融合驱动语音识别模型优化新路径

这一趋势的核心在于通过算法优化与算力下沉的双重路径，解决传统云端集中式训练面临的效率瓶颈与隐私风险。
智能计算研究中心·2025-05-16 05:30

中级人工智能训练师认证题库

2022年最新版中级人工智能训练师认证题库作为做运营喵的你是否还在为拿不到阿里认证证书烦恼呢？小编而为你排忧解难,亲手试水的呕心整理的题库奉上,，愿小伙伴们都能顺利拿到证书~~升职加薪,走向人生高峰!
qq_640433727·2025-05-16 04:23

人工智能训练师_练习题汇总

1.坚持党的基本路线不动摇，关键是()。A、坚持社会主义道路不动摇B、坚持改革开放不动摇C、坚持中国共产党的领导不动摇D、坚持以经济建设为中心不动摇2.需求公司是数据标注规则的()。A、终结者B、桥梁C、起始者D、定制者3.以下()不是人工智能发展过程中的重要事件。A、1950年“图灵测试”的提出B、1997年深蓝战胜国际象棋世界冠军C、1980年专家系统诞生D、2010年苹果第四代手机iPhon
Bowen_CV·2025-05-16 04:52

与指针相关的高频算法：从数据结构到实战技巧（优化升级版）

：动态数据结构构建：链表、树、图等结构依赖指针实现节点关联内存高效操作：通过地址直接操作避免数据拷贝，如O(1)复杂度的链表节点删除算法策略实现：双指针、快慢指针、递归回溯等算法的底层实现基础本文结合LeetCodeTop100
ljysee·2025-05-16 04:22

招行数字金融挑战赛数据分析赛带赛题二

赛题描述：根据提供的脱敏资讯新闻数据，选手需要对提供的训练集进行特征工程，构建资讯分类模型，对与测试集进行准确的新闻分类。最终得分：0.8120。十二点关榜没看到排名，估算100+？
安特尼·2025-05-16 03:46
上一页 63 64 65 66 67 68 69 70 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他