leetcode训练

[Java][Leetcode middle] 122. 买卖股票的最佳时机 II

方法一，自己想的本题中可以多次买入股票，那么：如果第二天股票涨了并且还没有买入：选择买入，因为一定可以盈利（可能是明天卖，也可能是未来某一天价格更高的时候卖）如果第二天股票跌了并且已经买入了：选择卖出（今天卖了之后可以拿明天低成本的筹码，最差的情况就是明天当天卖当天买，起码不会亏钱）publicintmaxProfit(int[]prices){intlen=prices.length;intpr
小雅痞·2025-05-14 15:05

[Java][Leetcode middle] 55. 跳跃游戏

自己想的每走一步都判断是否能够达到当前节点；如果能到达，更新最大步数。publicbooleancanJump(int[]nums){booleanresult=true;intstepCount=nums[0];for(inti=1;i
小雅痞·2025-05-14 15:05

[Java][Leetcode middle] 121. 买卖股票的最佳时机

暴力循环总是以最低的价格买入，以最高的价格卖出:例如第一天买入，去找剩下n-1天的最高价格，计算利润依次计算到n-1天买入；比较上述利润//运行时间超时。o(n^2)publicintmaxProfit1(int[]prices){intprofit=0;for(inti=0;iprofit){profit=sale-buy;}}}returnprofit;}最低点买入只要保证在最低点买入，在合适
小雅痞·2025-05-14 15:04

机器学习之AutoML：机器学习的自动化革命及其应用场景分析

通过对比手动训练和AutoML的优缺点，本文旨在帮助读者更好地理解AutoML的适用场景，并为项目选择提供参考依据。文章还讨论了AutoML对数据量的要
未来创世纪·2025-05-14 14:00

基于MLP BP时间序列预测Python程序

单变量，多变量输入，自由切换2、单步预测，多步预测，自动切换3、基于Pytorch架构4、多个评估指标（MAE,MSE,R2,MAPE等）5、数据从excel文件中读取，更换简单6、标准框架，数据分为训练集
黑科技小土豆·2025-05-14 14:56

极限学习机进行电厂相关数据预测

假设任务是预测电厂发电量或设备状态（如温度、压力），代码包含数据预处理、ELM模型构建、训练与预测全过程。
leo__520·2025-05-14 13:25

视觉大模型（SAM）及其行业扩展（G-SAM） ：用于图像分割、目标检测等计算机视觉任务

SAM的核心技术包括零样本学习、提示工程和大规模数据集训练，使其能够处理从未见过的物体和场景，展现出强大的泛化能力。定义与核心技术零样本学习：SAM是一种零样本分割模型，即使在训练中未见过的
百态老人·2025-05-14 13:21

【AI大模型实战项目】llm-action：让天下没有难学的大模型

项目大体如下所示：目录LLM训练LLM训练实战LLM参数高效微调技术原理综述LLM参数高效微调技术实战LLM分布式训练并行技术分布式AI框架分布式训练网络通信LLM推理LLM推理框架✈️LLM推理优化技术
小城哇哇·2025-05-14 11:11

利用比较预言机处理模糊的偏好数据

2505.05465模型地址https://huggingface.co/ComparisonPO作者背景哥伦比亚大学，纽约大学，达摩院动机DPO算法直接利用标注好的数据来做偏好对齐，无需进行显式的奖励模型训练
大模型最新论文速读·2025-05-14 10:34

LeetCode刷题（初级）：旋转数组

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。publicstaticvoidsort(int[]nums,intk){//想前面的数组复制到临时数组intn=nums.length;int[]temp=newint[n];//复制数组for(inti=0;i
小海海不怕困难·2025-05-14 10:00

Python × CARLA：如何在自动驾驶仿真世界里打造智能驾驶系统？

在人工智能与自动驾驶的浪潮中，真实世界的测试成本高昂，而自动驾驶仿真已成为开发者训练和测试AI驾驶算法的关键技术手段。
Echo_Wish·2025-05-14 10:00

每日算法刷题计划Day5 5.13:leetcode数组3道题，用时1h

11.26.删除有序数组中的重复项(简单，双指针)26.删除有序数组中的重复项-力扣（LeetCode）思想:1.我的思想:双指针遍历+集合储存已有元素2.官方思想：题目条件有序数组删除重复元素，所以重复元素都是连续存在的同向快慢指针
爱coding的橙子·2025-05-14 09:26

【AI算法工程师必知必会】如何入门大模型微调？

预训练模型的核心优势在于迁移学习能力，通过少量领域数据微调即可显著提升特定任务表现，兼具数据高效性与泛化能力。微调技术分类全量微调：更新模型所有参数，适合计算资源充足场景（
AndrewHZ·2025-05-14 08:52

去了5家名企NLP算法岗面试（大模型方向）：那些让我头皮发麻的高频问题汇总！

这位同学为面试刷了leetcode200-300题左右，侧重刷中高频hard题，同时也准备了大量的面试问题。面的公司地点均在上海，总共5家。
和老莫一起学AI·2025-05-14 08:52

玩转大模型的关键：GPU 显存如何估算？一篇文章讲明白

它不仅决定了能够运行模型的规模大小、运行速度（会对批处理规模以及序列长度产生影响），还关乎训练过程能否稳定进行。那么，该如何对其进行评估呢？这需要综合考量以下几个方面的因素：1、模型参数本身
大模型研究院·2025-05-14 08:17

13、子集（方法二）

1.题目链接：78.子集-力扣（LeetCode）78.子集-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。
咔_·2025-05-14 07:17

DenseCLIP: Language-Guided Dense Prediction with Context-Aware Prompting（CVPR2022 ）

在训练过程中，模型通过调整参数来最小化损失函数，使得预测值与真实标签之间的差距最小化。监督学习适用于分类和回归等任务。自监督学习（Self-SupervisedLearning
sanguine__·2025-05-14 06:39

ubuntu系统部署GPT-SoVITS

只有最基础的切割音频、识别文字、推理的代码，没有训练、微调参考视频：链接下载安装包可以直接下载windows部分的下载整合包链接，比克隆代码方便很多，不需要分别下载各种模型GPT-SoVITS指南里有写解压的注意事项
LtmkWoQjPWiWo·2025-05-14 05:00

Pytorch之保存和加载预训练的模型

在深度学习中会用到迁移学习的方法，也就是我们把在其它数据集上训练比较好的model拿到我们的模型上来进行finetune,这样避免了我们重新去花费时间去训练模型，比如vgg16提取图像特征的这个模型，大大节省了我们训练的时间
BlackMan_阿伟·2025-05-14 04:55

Pytorch使用手册-计算机视觉迁移学习教程（专题十三）

在本教程中，你将学习如何使用迁移学习训练一个卷积神经网络进行图像分类。更多关于迁移学习的内容可以参考CS231n课程笔记。
无声之钟·2025-05-14 04:24

Pytorch加载部分预训练模型的参数

问题背景假设我有一个已训练好的Model1，并已保存它的参数为.pth格式，我有一个与Model1结构完全相同的模型Model2，我希望Model2加载Model1中与特征提取有关的模块的参数，其他模块的参数随机初始化
卡卡南安·2025-05-14 04:52

Linux云计算训练营笔记day06（Windows DOS下的常用命令 及 HTML）

windowsdos命令行切换盘符d:查看文件夹下的内容dir创建文件夹md/mkdirgongli进入文件夹cdgongli往回退一层cd..清屏cls历史命令(用键盘的上下键)创建一个空的文件echo.>a.txt写入内容到文件中echohelloworld>b.txt删除文件dela.txt查看文件的内容typeb.txt复制一个文件copyb.txt../b.txtcopyb.txtgon
FBI HackerHarry浩·2025-05-14 04:52

AI大模型全景干货：分类、特点、应用、数据与学习指南

（2）生成对抗网络（GAN）：通过对抗训练，使生成模型能够生成与真实数据分布相近的数据。（3）变分自编码器（VAE）：通过编码器和解码器实现对数据的压缩和重建。2
程序员辣条·2025-05-14 03:18

Transformer架构如何赋能AIGC？核心技术详解与未来展望

核心技术详解与未来展望关键词：Transformer架构、AIGC、自注意力机制、生成对抗网络、多模态处理、预训练模型、自然语言处理摘要：本文深入解析Transformer架构在AIGC（人工智能生成内容
AI天才研究院·2025-05-14 02:36

深度学习 ———— 迁移学习

迁移学习利用在大规模数据集（如ImageNet）上预训练的模型，改装小数据集（如CIFAR-10）。优势：减少训练时间：预训练模型已学习通用特征（如边缘、纹理）。
灬0灬灬0灬·2025-05-14 01:05

深度学习---常用优化器

优化器一：Adam（AdaptiveMomentEstimation）一、适用场景总结（实践导向）场景是否推荐用Adam说明小模型训练（如MLP、CNN）✅✅✅稳定、无需复杂调参，适合快速实验初学者使用或结构新颖
灬0灬灬0灬·2025-05-14 01:35

LeetCode：环形链表II

1、题目描述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：
D_aniel_·2025-05-14 01:33

leetcode-hot-100（哈希）

写在前面这部分官方标记为哈希，下面的代码使用的都是C++进行实现，说到C++中的哈希，需要了解一下C++中的hashtable（std::unordered_map或std::unordered_set）。std::unordered_mapstd::unordered_map是一个存储键值对的容器，它允许通过键快速访问元素。这里的“快速”是指平均情况下常数时间复杂度O(1)的操作，因为它是基于哈
恋恋不忘，必有回响·2025-05-14 00:25

leetcode-HOT100刷题 day3 双指针相关

##双指针相关###283.移动零####题目描述：已解决####思路：双指针，前指针是位置指针，只是为了记录位置。后指针只要一遇到非0，就搬到前面来，最后就是把全部的非0搬到前面来！搬完非0，最后置0即可###11.盛最多水的容器####题目描述：已解决####思路：说白了就是要中间这里面积最大嘛暴力的方法就是尝试所有的组合双指针的做法是，左右指针分别在端点，然后向内收缩每次移动短的那个边界，为
qq_57702377·2025-05-14 00:54

Leetcode-Hot 100题目分类

哈希（以空间换时间）1两数之和原始的暴力破解的方法：classSolution{publicint[]twoSum(int[]nums,inttarget){/**暴力破解的方法*/int[]result=newint[2];intlength=nums.length;for(inti=0;imap=newHashMap>groupAnagrams(String[]strs){Map>map=ne
丘山一郎·2025-05-13 23:54

LeetCode-hot100题解—Day2

原题链接：力扣热题-HOT100题解的顺序和题目的顺序一致，那么接下来就开始刷题之旅吧，1-8题见LeetCode-hot100题解—Day1注：需要补充的是，如果对于每题的思路不是很理解，可以点击链接查看视频讲解
橘子味的小橙·2025-05-13 23:23

LeetCode 热题 100_有效的括号（69_20_简单_C++）（栈；栈+哈希表（建立左右括号的对应关系））

LeetCode热题100_有效的括号（69_20）题目描述：输入输出样例：题解：解题思路：思路一（栈）：思路二（栈+哈希表（建立左右括号的对应关系））：代码实现代码实现（思路一（栈））：代码实现（思路二
Dream it possible！·2025-05-13 23:49

LeetCode 热题 100_编辑距离（94_72_中等_C++）(动态规划)

LeetCode热题100_编辑距离（94_72_中等_C++）题目描述：输入输出样例：题解：解题思路：思路一（动态规划）：代码实现代码实现（思路一（动态规划））：以思路一为例进行调试题目描述：给你两个单词
Dream it possible！·2025-05-13 23:49

LeetCode 热题 100_只出现一次的数字（96_136_简单_C++）（哈希表；哈希集合；排序+遍历；位运算）

LeetCode热题100_只出现一次的数字（96_136_简单_C++）题目描述：输入输出样例：题解：解题思路：思路一（哈希表）：思路二（哈希集合）：思路三（排序+遍历）：思路四（位运算）：代码实现代码实现
Dream it possible！·2025-05-13 23:48

Python训练营打卡Day24

DAY24元组和OS模块知识点回顾：1.元组2.可迭代对象3.os模块作业：对自己电脑的不同文件夹利用今天学到的知识操作下，理解下os路径。@浙大疏锦行1.元组元组的特点：有序，可以重复，这一点和列表一样元组中的元素不能修改，这一点非常重要，深度学习场景中很多参数、形状定义好了确保后续不能被修改。很多流行的ML/DL库（如TensorFlow,PyTorch,NumPy）在其API中都广泛使用了元
宸汐Fish_Heart·2025-05-13 21:09

第二十三天打卡

作业：整理下全部逻辑的先后顺序，看看能不能制作出适合所有机器学习的通用pipeline数据预处理→特征选择→降维→模型训练importpandasaspdimportnumpyasnpfromsklearn.model_selectionimporttrain_test_split
不爱吃山楂罐头·2025-05-13 21:07

DeepSeek基于注意力模型的可控图像生成

DeepSeek大模型高性能核心技术与多模态融合开发-商品搜索-京东图像的加噪与模型训练在扩散模型的训练过程中，首先需要对输入的信号进行加噪处理，经典的加噪过程是在图像进行向量化处理后在其中添加正态分布
夏天又到了·2025-05-13 18:20

gpt各个版本有什么区别

GPT的不同版本主要有以下区别：GPT:这是GPT的第一个版本，它使用了Transformer模型作为基础架构，并使用了预训练的语言模型，可以很好地生成人类般的文本。
Waiyuet Fung·2025-05-13 18:47

【NLP高频面题 - 分布式训练篇】PS架构是如何进行梯度同步和更新的？

【NLP高频面题-分布式训练篇】PS架构是如何进行梯度同步和更新的？重要性：★★参数服务器（ParameterServer，PS）架构的分布式训练系统中有两种服务器角色：训练服务器和参数服务器。
青松ᵃⁱ·2025-05-13 17:42

国内ai训练最厉害的公司是哪家？

在人工智能训练领域，国内企业正经历着从技术跟随到自主创新的跨越。
2501_92036516·2025-05-13 16:06

大语言模型应用指南：Prompt高效微调

预训练模型通过在大规模无标签文本数据上进行训练，学习了丰富的语言知
AI大模型应用实战·2025-05-13 16:36

史上最全网络安全站点集合

目录个人技术博客：国内：国外：在线知识：论坛与导航：安全资讯：漏洞预警和exp查询：在线web扫描器：CTF训练：安全客-安全资讯平台（360CTF训练营）在线常用工具：大数据以及端口服务查询：联合账号查询
黑客大佬·2025-05-13 16:36

创始人IP的重塑与破局|创客匠人热点评述

竞赛中的创始人IP重塑1.SamAltman的战略转向与国会博弈在2025年5月8日的美国国会听证会上，OpenAI创始人SamAltman提出“AI工厂”概念，强调需在美国本土构建“芯片-数据中心-模型训练
创客匠人老蒋·2025-05-13 16:01

LeetCode 热题 HOT 100 Java题解——56. 合并区间

LeetCode热题HOT100Java题解56.合并区间排序+双指针复杂度分析56.合并区间题目：给出一个区间的集合，请合并所有重叠的区间。
可达鸭丶·2025-05-13 15:28

BitNet b1.58 2B4T Technical Report

主要内容模型介绍：介绍了BitNetb1.582B4T，这是首个20亿参数规模的开源原生1比特大语言模型，在4万亿词元的语料库上进行训练，通过多种基准测试评估其性能，模型权重在HuggingFace上发布
UnknownBody·2025-05-13 15:24

LeetCode 56. 合并区间（Merge Intervals）

56.合并区间题目描述以数组intervals表示若干个区间的集合，其中单个区间为intervals[i]=[starti,endi]。请你合并所有重叠的区间，并返回一个不重叠的区间数组，该数组需恰好覆盖输入中的所有区间。示例1：输入：intervals=[[1,3],[2,6],[8,10],[15,18]]输出：[[1,6],[8,10],[15,18]]解释：区间[1,3]和[2,6]重叠,
算法_小学生·2025-05-13 14:53

LeetCode热题100--56.合并区间--中等

1.题目以数组intervals表示若干个区间的集合，其中单个区间为intervals[i]=[starti,endi]。请你合并所有重叠的区间，并返回一个不重叠的区间数组，该数组需恰好覆盖输入中的所有区间。示例1：输入：intervals=[[1,3],[2,6],[8,10],[15,18]]输出：[[1,6],[8,10],[15,18]]解释：区间[1,3]和[2,6]重叠,将它们合并为[
元亓亓亓·2025-05-13 14:23

nlp实战--召回实战训练

youtobe召回--双塔模型实战使用的数据集是MovieLens1M，使用其中5个user特征'user_id','gender','age','occupation','zip'，2个item特征"movie_id","cate_id"，一共7个sparse特征。任务描述：已知用户过去的电影观看（评论）行为，预测该用户观看（评论）另外一种电影的可能性（在本文中，用0/1的标签表示预测和真实结果
济世青天·2025-05-13 13:15

阿里通义千问Qwen3重磅发布！国产大模型如何颠覆AI行业？

一、技术突破：混合推理与超大规模训练1.首创“双模式”推
大模型研究院·2025-05-13 11:32

Day 5：深入理解 Linux 内核结构（夯实基础训练）

B站相应的视屏教程：Day5：深入理解Linux内核结构Linux内核作为一个复杂的操作系统内核，其源代码规模庞大、模块众多，初学者容易迷失在文件与概念之中。为了更高效、系统地理解Linux内核的整体架构，我们将采用一个四层模型，从宏观到微观地解析内核结构，帮助你建立清晰的认知框架。一、为什么要了解内核结构？编写驱动需要了解子系统的调用链调试问题时需要准确定位模块位置内核移植与裁剪依赖整体结构感知
嵌入式Jerry·2025-05-13 11:31
上一页 65 66 67 68 69 70 71 72 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他