工程训练

打卡代码随想录算法训练营第11天： 150. 逆波兰表达式求值 239. 滑动窗口最大值 347.前 K 个高频元素

代码随想录文中含LLM回答内容150.逆波兰表达式求值力扣题目链接思路K:先理解逆波兰表达式是啥，是把运算符放在了两个要运算的数字的后边，又叫后缀表达式。遇见数字就入栈，遇见算符就计算栈里前两个数字，算完再存回去classSolution{public:intevalRPN(vector&tokens){stackpoland;for(inti=0;ique;voidpop(intval){if(
jingjingjing1111·2025-03-08 07:51

linux下jsoncpp编译

折腾了一顿，我使用ubuntu16.04编译的jsoncpp，由于使用的芯片工程需要16.04，无法使用最新的ubuntu系统。
虎皮猫大人王·2025-03-08 05:02

华为OD机试 - 信道分配 - 贪心算法（Python/JS/C/C++ 2024 D卷 200分）

一、题目描述算法工程师Q小明面对着这样一个问题，需要将通信用的信道分配给尽量多的用户：信道的条件及分配规则如下：所有信道都有属性"阶"。
哪 吒·2025-03-08 05:56

深度解读半导体测试解决方案，4月25日精彩直播即将来袭！

半导体测试需求日益复杂、量产测试要求不断提升，行业工程师应该如何应对上述难题，提升测试的质量与效率，真正做到紧跟技术前沿，掌握创新应用，有效优化测试过程并降低测试成本？
专业ATE提供商·2025-03-08 04:54

帆软认证BI工程师（FCBA）部分考试题目及答案

判断题1.安装32位系统的FineBI，最多只能支持2G内存。正确2.FineBI产品目前不支持vertical大数据平台。错误3.FineBI可以和FineReport两款产品进行整合使用。正确4.同一个仪表板中，可以同时使用实时和抽取数据进行分析。正确5.血缘分析可以让用户查看该表的来源表和子孙表/模板，当前用户创建的子孙表或模板不会灰化，但是非当前用户创建的子孙表或模板会灰化显示。正确6.F
隼丶·2025-03-08 03:08

智能算法安全优化与关键技术实践

在医疗影像分析、金融风控、自动驾驶等场景中，联邦学习的分布式协作机制有效解决了数据孤岛问题，而生成对抗网络通过对抗训练增强数据生成能力，为小样本场景提供技术支撑。
智能计算研究中心·2025-03-08 03:02

NL2SQL技术方案系列(1)：NL2API、NL2SQL技术路径选择；LLM选型与Prompt工程技巧，揭秘项目落地优化之道

NL2SQL技术方案系列(1)：NL2API、NL2SQL技术路径选择；LLM选型与Prompt工程技巧，揭秘项目落地优化之道NL2SQL基础系列(1)：业界顶尖排行榜、权威测评数据集及LLM大模型（SpidervsBIRD
汀、人工智能·2025-03-08 03:59

音频 bug 大全

解决：OSError:libsox.so:cannotopensharedobjectfile:Nosuchfileordirectory运行funasr训练时出现该错误安装个库就好了sudoaptinstalllibsox-dev
DEDSEC_Roger·2025-03-08 03:54

Go语言通关指南：零基础玩转高并发编程(第Ⅴ部分)(第15章)-现代Go编程-项目实战开发(案例7：文件存储与分发系统)

零基础玩转高并发编程(第Ⅴ部分)(第15章)-现代Go编程-项目实战开发(案例7：文件存储与分发系统)案例7：文件存储与分发系统1.功能点与技术点简介1.1.功能点1.2.技术点2.完整代码实现2.1.工程结构
双囍菜菜·2025-03-08 02:21

特征工程 (Feature Engineering)

特征工程(FeatureEngineering)作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来在机器学习和数据科学领域，特征工程
AGI大模型与大数据研究院·2025-03-08 02:46

PyTorch 深度学习快速入门教程

本教程将带你快速掌握PyTorch的基本用法，涵盖张量（Tensor）操作、自动求导（Autograd）、构建神经网络以及模型训练。
有人给我介绍对象吗·2025-03-08 02:16

解锁YashanDB高效查询的关键功能 Group by分组

作者介绍黄靖东YashanDB资深研发工程师01前言在数据库领域，高效的数据处理能力是开发者的必备技能。Groupby分组操作的运用关系到SQL查询性能的优劣。
·2025-03-08 01:42

基于YOLOv5深度学习的田间杂草检测系统：UI界面 + YOLOv5 + 数据集详细教程

我们将分步骤进行，包括环境配置、数据集准备、模型训练、实时杂草检测系统的实现等内容。目录引言目录
深度学习&目标检测实战项目·2025-03-08 00:50

llama-factory生成Meta-Llama-3-8B-Instruct模型api服务

使用llama-factory完成模型的微调训练后，需要开启其api服务进行调用，参考官方https://github.com/hiyouga/LLaMA-Factory/blob/main/examples
码不动了鸭·2025-03-08 00:19

工程化与框架系列（22）--前端性能优化（中）

前端性能优化（运行）引言运行时性能直接影响用户交互体验和应用流畅度。本文将深入探讨前端运行时性能优化的各种策略和技术，包括渲染优化、内存管理、计算优化等关键主题，帮助开发者构建高性能的Web应用。运行时性能概述运行时性能优化主要关注以下方面：渲染性能：减少重排重绘，优化动画效果内存管理：防止内存泄漏，优化内存使用计算优化：提升JavaScript执行效率事件处理：优化事件监听和响应异步操作：合理使
一进制ᅟᅠ        ‌‍‎‏ ·2025-03-07 23:48

Llama3-8B+ LLaMA-Factory 中文微调

Llama3-8B+LLaMA-Factory中文微调Llama3是目前开源大模型中最优秀的模型之一，但是原生的Llama3模型训练的中文语料占比非常低，因此在中文的表现方便略微欠佳！
猫猫姐·2025-03-07 23:46

机器学习基础（4）

训练深度学习模型就好比在平行世界里按下发射火箭的按钮，你听不到也看不到。你无法观察流形学习过程，它发生在数千维空间中，即使投影到三维空间中，你也无法解释它。
yyc_audio·2025-03-07 23:42

代码随想录算法训练营第四十八天|583. 两个字符串的删除操作，72. 编辑距离

系列文章目录代码随想录算法训练营第一天|数组理论基础，704.二分查找，27.移除元素代码随想录算法训练营第二天|977.有序数组的平方，209.长度最小的子数组，59.螺旋矩阵II代码随想录算法训练营第三天
丁希希哇·2025-03-07 23:11

算法训练（leetcode）二刷第三十八天 | 1143. 最长公共子序列、1035. 不相交的线、53. 最大子数组和、392. 判断子序列

刷题记录1143.最长公共子序列1035.不相交的线53.最大子数组和动态规划优化版392.判断子序列1143.最长公共子序列leetcode题目地址本题和300.最长递增子序列相似（题解）。使用动态规划：dp数组含义：dp[i][j]表示以text1[i-1]结尾的子串A和以text2[j-1]结尾的子串B的最长公共子序列的长度。思路同300.最长递增子序列，每个状态更新基于前面的状态，为了防止
Star Patrick·2025-03-07 23:41

*算法训练（leetcode）第三十九天 | 115. 不同的子序列、583. 两个字符串的删除操作、72. 编辑距离

刷题记录*115.不同的子序列*583.两个字符串的删除操作解法一解法二*72.编辑距离*115.不同的子序列leetcode题目地址dp[i][j]代表：以i-1结尾的s中包含以j-1结尾的t的个数。有以下两种情况：s[i-1]==t[i-1]：考虑s[i-1]不考虑s[i-1]s[i-1]!=t[i-1]题解思路时间复杂度：O(n2)O(n^2)O(n2)空间复杂度：O(n∗m)O(n*m)O
Star Patrick·2025-03-07 23:41

*算法训练（leetcode）第十七天 | 235. 二叉搜索树的最近公共祖先、701. 二叉搜索树中的插入操作、450. 删除二叉搜索树中的节点

刷题记录235.二叉搜索树的最近公共祖先递归非递归701.二叉搜索树中的插入操作递归非递归*450.删除二叉搜索树中的节点235.二叉搜索树的最近公共祖先leetcode题目地址二叉搜索树（BST），左小右大。在BST中查找两个节点p、q的最近公共祖先时，使用前序遍历，访问到的第一个在两个节点的区间内[p,q]的节点就是公共祖先节点。当前节点值超出区间时借助BST性质（左小右大）向对应的方向缩小范
Star Patrick·2025-03-07 23:10

算法训练（leetcode）第二十三天 | 455. 分发饼干、*376. 摆动序列、53. 最大子数组和

刷题记录455.分发饼干*376.摆动序列53.最大子数组和455.分发饼干leetcode题目地址贪心，两个数组排序，从前向后或从后向前均可，二者需保持同序，使用两个指针分别指向两个数组，当胃口满足时两个指针同时后移并计数，若不满足则饼干指针后移寻找合适的饼干。由于使用了两次快排，所以时间复杂度为O(nlogn)。时间复杂度：O(nlogn)O(nlogn)O(nlogn)空间复杂度：O(1)O
Star Patrick·2025-03-07 23:10

深入解析 Vue3 核心架构与实战范式：从响应式原理到 Composition API 设计哲学

引言：框架演进的必然选择在2020年发布的Vue3并非简单的版本迭代，而是对前端工程化痛点的系统性解决方案。
嘉图明·2025-03-07 22:05

算法训练（leetcode）二刷第三十九天 | 115. 不同的子序列、583. 两个字符串的删除操作、72. 编辑距离

刷题记录*115.不同的子序列583.两个字符串的删除操作思路一：转求公共子序列思路二：编辑距离（统计删除次数）72.编辑距离*115.不同的子序列leetcode题目地址编辑距离问题。题目要求在s串中查找t串出现的次数。dp数组含义：dp[i][j]表示以s[i-1]结尾的子串A中出现以t[j-1]为结尾的子串B的个数状态转移方程：题目要求在s串中查找t串出现的次数，因此只考虑对s串进行编辑。当
Star Patrick·2025-03-07 21:28

认识 TapFlow，以编程方式运行 TapData

TapFlow可以让开发者和数据工程师用一个简单易用而又强大的编程语言来进行数据管道和数据模型的开发工作。这次的发布包括一个Python的SDK。
·2025-03-07 21:30

一个人可以仿制出中望CAD 类似的软件吗

CAD的核心灵魂）中望CAD依赖自主开发的Overdrive内核，需实现：BREP/NURBS几何建模约束求解器（如草图尺寸驱动）大规模装配体管理（10万+零件级）难点：仅几何内核开发就需要数十名数学家和工程师团队协作
七贤岭双花红棍·2025-03-07 21:24

老榕树的Java专题：你了解java吗？

一、Java的诞生与发展历程Java的故事始于20世纪90年代初，由SunMicrosystems（现已被Oracle收购）的一群天才工程师精心打造。其
程序员_老榕树·2025-03-07 20:52

2025年AI编程的进展与突破

2025年AI编程的进展与突破1.AI编程能力达到中级工程师水平核心技术突破：大语言模型（如GPT-4、Claude3.5）通过海量代码训练，已能理解自然语言需求并生成符合规范的代码，支持复杂任务（如多文件修改
调皮的芋头·2025-03-07 20:19

iOS安全和逆向系列教程 第16篇：Frida入门与高级应用

iOS逆向工程专栏第16篇：Frida入门与高级应用前言欢迎来到iOS逆向工程专栏的第16篇文章！在上一篇中，我们探讨了Cycript这一强大的逆向分析工具。
自学不成才·2025-03-07 20:18

iOS安全和逆向系列教程 第17篇：探讨ARM64架构与Swift逆向分析技术

在前面的文章中，我们已经学习了iOS逆向工程的基础知识，以及各种分析工具的使用方法。今天，我们将深入探讨ARM64架构以及Swift语言的逆向分析技术，这两者对于现代iOS应用的逆向工程至关重要。
自学不成才·2025-03-07 20:18

nvm-Windows 安装与使用教程

nvm-Windows安装与使用教程前言不同的项目运行时可能需要不同的node版本才可以运行，由于来回进行卸载不同版本的node比较麻烦；所以需要使用node工程多版本管理。
互联网搬砖老肖·2025-03-07 20:46

iOS安全和逆向系列教程 第13篇：iOS动态分析基础

iOS逆向工程专栏第13篇：iOS动态分析基础引言在前面的文章中，我们详细探讨了iOS系统架构、逆向开发环境搭建、Mach-O文件格式分析，以及各种静态分析工具和技术。
自学不成才·2025-03-07 20:44

复现：latent diffusion（LDM）stable diffusion

https://github.com/CompVis/latent-diffusion然后运行环境配置：condaenvcreate-fenvironment.yamlcondaactivateldm下载预先训练的权重
JokerSZ.·2025-03-07 20:40

阿里云CTO：通义稳居全球最强开源大模型，性能接近GPT-4o

来源：@首席数智官9月19日，在2024杭州云栖大会上，阿里云CTO周靖人表示，阿里云正在围绕AI时代，树立一个AI基础设施的新标准，全面升级从服务器到计算、存储、网络、数据处理、模型训练和推理平台的技术架构体系
首席数智官·2025-03-07 20:39

特斯拉FSD不同版本的进化

特斯拉，FSD，自动驾驶，深度学习，计算机视觉，强化学习，神经网络，模型训练1.背景介绍特斯拉自2016年推出Autopilot以来，一直致力于开发全自动驾驶系统，其目标是实现完全无人驾驶，让汽车能够像人类一样感知周围环境
AI智能涌现深度研究·2025-03-07 19:35

如何通过卷积神经网络（CNN）有效地提取图像的局部特征，并在CIFAR-10数据集上实现高精度的分类？

目录1.CNN提取图像局部特征的原理2.在CIFAR-10数据集上实现高精度分类的步骤2.1数据准备2.2构建CNN模型2.3定义损失函数和优化器2.4训练模型2.5测试模型3.提高分类精度的技巧卷积神经网络
浪九天·2025-03-07 19:27

一文读懂！OpenCV 实时人脸识别从 0 到 1，小白也能轻松实操的超详细教程（完整教程及源码）

深入阐述特征提取、模型训练方法，包含传统与深度学习方式，还介绍OpenCV预训练模型的使用与评估。详细讲解实时识别过程，包括打开摄像头、逐帧处理及结果显示优化。
AI_DL_CODE·2025-03-07 18:21

【硬核拆解】DeepSeek开源周五连击：中国AI底层技术的“破壁之战”

从GPU计算内核到分布式训练框架，用五大开源项目，在硬件适配、算力优化、通信调度等“卡脖子”领域打
shelly聊AI·2025-03-07 18:50

26届进大厂计划——小红书后端实习面经

作者介绍浙江大学软件工程硕士生淘天后端研发工程师秋招斩获阿里、字节、快手、京东、美团等多个大厂研发ssp/sp持续分享秋招经验分享、高频八股问题、最新大厂面经、硬核技术干货……全网同号，欢迎关注1、【实习经历
码间烟火录·2025-03-07 18:19

蓝桥训练系统-基础训练-非VIP题

蓝桥训练系统-基础训练-非VIP题数列排列#includeusingnamespace::std;inta[205];intmain(){intn;cin>>n;for(inti=1;i>a[i];sort
给雨·2025-03-07 17:47

第37篇Personalized Federated Learning: A Meta-Learning Approach（perfedavg联邦学习+元学习）2020个性化联邦学习使用Hessian

第一部分：解决的问题联邦学习（FL）在多用户协同训练模型时，因数据隐私和通信限制，用户仅与中央服务器交互。
还不秃顶的计科生·2025-03-07 17:44

【星云 Orbit•STM32F4】14. 定时器进阶：通用定时器

博客重心在工程框架和代码思路，配置步骤，需要读者常思考，勤动手。“手把手”是高中阶段的老师喂知识模式，都大学了，换个自己想要的方式，不读高四高五了。
智木芯语·2025-03-07 17:12

江科大51单片机学习笔记之蜂鸣器

文章目录一、蜂鸣器介绍二、常用驱动电路三、实验1、将所需的文件添加到工程中2、测试按键和数码管功能是否正常3、添加蜂鸣器功能4、模块化一、蜂鸣器介绍蜂鸣器是一种将电信号转换为声音信号的器件，常用来产生设备的按键音
刘小橙666·2025-03-07 16:04

Verdi调试神器HierMan：轻松重构RTL层次

工程师在调整架构时，需要耗费大量时间在模块路径切换集成上。
芯有所享·2025-03-07 15:13

第三十一天：Scrapyd的安装及使用

文章目录一、安装scrapyd二、安装setuptools三、部署工程1.创建项目2.启动scrapyd3.部署项目4.配置scrapyd-deploy5.使用scrapyd-deploy四、运行Spider
穿梭的编织者·2025-03-07 15:26

阿里深夜开源QwQ-32B模型，仅需1/10的成本即可比肩R1满血版

大规模强化学习（RL）有潜力超越传统的预训练和后训练方法来提升模型性能。近期的研究表明，强化学习可以显著提高模型的推理能力。
伪_装·2025-03-07 13:45

从零理解人工智能：技术原理、底层逻辑与手写数字识别实战

文章目录引言一、人工智能技术体系1.1核心技术栈二、神经网络底层逻辑2.1神经元数学模型2.2前向传播与反向传播三、手写数字识别实战（MNIST）3.1环境配置3.2数据预处理3.3CNN模型构建3.4模型训练与评估四
北辰alk·2025-03-07 13:40

代码随想录算法训练营 | 图论 | 孤岛总面积、沉没孤岛

101.孤岛的总面积//思路大概是先计算面积，然后如果有接触路面就返回false。可能稍微多余算了太多无用面积。#includeusingnamespacestd;voidsum(vector>&finded,constvector>&graph,inta,intb,int&result,bool&Ifisland){if(agraph.size()-1||b>graph[0].size()-1)
jcc_newszu·2025-03-07 13:07

机器学习与深度学习里生成模型和判别模型的理解

两个模型是啥我们从几句话进入这两个概念：1、机器学习分为有监督的机器学习和无监督的机器学习；2、有监督的机器学习就是已知训练集数据的类别情况来训练分类器，无监督的机器学习就是不知道训练集的类别情况来训练分类器
程序员羊羊·2025-03-07 12:03

【人工智能】大模型的Scaling Laws（缩放定律），通过增加模型规模（如参数数量）、训练数据量和计算资源来提升模型性能。

缩放定律（ScalingLaws）是人工智能领域中关于大模型性能提升的重要理论，其核心思想是通过增加模型规模（如参数数量）、训练数据量和计算资源来提升模型性能。
本本本添哥·2025-03-07 12:27
上一页 15 16 17 18 19 20 21 22 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他