背包专题训练第3页

Triplet Loss原理及 Python实现

最初是谷歌在FaceNet:AUnifiedEmbeddingforFaceRecognitionandClustering论文中提出的，可以学到较好的人脸的embeddingTripletLoss是一种用于训练特征嵌入

AIGC_ZY·2025-03-08 15:21

代码随想录---算法训练营---总结

我总共参加了60天这个代码随想录的算法训练营，每天按照计划逐步进行算法训练，卡尔老师讲的很好，要是有不理解的，偶尔会给他提建议，提问题。

感谢上Di_123·2025-03-08 15:50

Manus的基于Sentence-BERT与ChromaDB的语义检索系统设计与实现

针对传统关键词匹配方法在语义鸿沟问题上的局限性，采用预训练语言模型生成768维语义向量，通过ChromaDB实现高效向量存储与近似最近邻搜索（ANN）。实验表明，在MSMARCO数据集上，

设计狗和程序猿·2025-03-08 13:28

3.6手写数字识别项目

-使用`DataLoader`创建训练和测试数据集的生成器。2.可视化源数据：-使用`matplotlib`库可视化测试集中的部分图像，并显示其对应的真实标签。3.构建模型：-定义一个包含两个隐藏层

不要不开心了·2025-03-08 11:33

大模型的定义、基本架构、训练、经典代表、应用和挑战全解析

本文将带您深入探索大模型的神秘世界，从其定义、基本原理、训练三步骤，到Prompt技术的巧妙应用，以及大模型在各行业的广泛应用和面临的挑战。

和老莫一起学AI·2025-03-08 11:30

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

音视频入门基础：RTP专题（13）——SDP的packetization-mode

一、引言由《音视频入门基础：RTP专题（3）——SDP简介》可以知道，SDP中的packetization-mode表示RTP有效载荷类型的属性或接收器实现的功能。

崔杰城·2025-03-08 05:39

老榕树的Java专题：深入理解线程池

一、引言在现代软件开发中，多线程编程是提升应用程序性能与响应性的关键手段。不过，频繁创建和销毁线程会产生较大开销，线程池技术便由此诞生。它能高效管理线程，提高线程复用性，进而增强系统整体性能。本文将深入探究线程池的概念、原理、优势，以及在Java中的具体应用。二、线程池的概念线程池，简言之，就是容纳多个线程的“池子”。系统启动时，它会预先创建一定数量的线程，并将其存储在一个线程队列中。当有任务需要

程序员_老榕树·2025-03-08 05:34

老榕树的Java专题：XA的二阶提交

XA（二阶提交）执行原理准备阶段（PreparePhase）事务协调者（TransactionCoordinator，TC）向所有参与事务的资源管理器（ResourceManager，RM）发送准备请求。例如，在一个包含数据库A和数据库B的分布式事务中，TC会分别向管理数据库A和数据库B的RM发送准备消息。RM接收到准备请求后，会执行本地事务操作，但并不提交。它会将事务执行过程中涉及的数据修改记录

程序员_老榕树·2025-03-08 05:03

老榕树的Java专题：如何连接达梦数据库到idea

安装达梦数据库JDBC驱动下载驱动：首先需要从达梦官方网站下载适用于Java的JDBC驱动程序（一般是一个JAR文件，文件名类似dm-jdbc-driver.jar），确保下载的版本与你要连接的DM数据库版本相匹配。添加驱动到项目：在IDEA中，可以通过以下几种方式添加驱动到项目依赖中：项目结构配置：点击“File”->“ProjectStructure”->“Libraries”，在“Libra

程序员_老榕树·2025-03-08 05:03

老榕树的Java专题：知识分享（停更，没人看）

1、线程的创建：callable方式：//创建一个类publicclassThreadTest{ //这里只是用于测试，正常开发中很少有这样的main执行的publicstaticmain(Stringargs[]){ //创建callable类Callablecall=newMyCallable();//创建futuretask类，参数是calllable类 FutureTask

程序员_老榕树·2025-03-08 05:02

点云从入门到精通技术详解100篇-基于背包激光雷达点云在城市公园单木参数提取中的应用

目录前言国内外发展现状（DevelopmentStatusatHomeandAbroad）背包LiDAR技术及其在林业调查中的应用进展单木胸径提取算法研究现状单木树高提取算法研究现状2背包LiDAR城市公园树木数据采集及预处理

格图素书·2025-03-08 05:56

加速科技精彩亮相2024中国（深圳）集成电路峰会

峰会同期，加速科技副总经理陈永应邀在专题论坛上发表《国产数字测试机的创新实践》主题演讲，同与会嘉宾一起共探发展趋势、寻求路径突破。精彩亮

专业ATE提供商·2025-03-08 04:54

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

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

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

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

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

分分钟搞定分布式技术专题面试——Nginx+ZK+ActiveMQ+Kafka+RabbitMQ+MongoDB+Redis！

前些日子听很多朋友说面试跪在分布式，所以今天特地来总结一波分布式技术专题面试，限流、通讯、缓存：01分布式限流：Nginx+ZooKeeper1.1分布式限流之Nginx请解释一下什么是Nginx?

独孤球球·2025-03-07 23:43

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

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

老榕树的Java专题：MySql中的函数

MySQL提供了丰富的函数，可用于数据处理、字符串操作、数值计算、日期和时间处理等多个方面。以下是各类常用函数的介绍：字符串函数CONCAT(str1,str2,...)功能：将多个字符串连接成一个字符串。示例：SELECTCONCAT('Hello','','World');结果为HelloWorld。SUBSTRING(str,start,length)功能：从字符串str的start位置开始

程序员_老榕树·2025-03-07 20:52

老榕树的Java专题：分享一个问题！！！

在实现类里定义了个全局静态变量：privatestaticSimpleDateFormat=newSimpleDateFormat("yyyy-MM-dd");然后在方法中使用sdf.parse(inputDto.getREQUESTDATE()).这样导致日期转换成莫名其妙的数据。首先，SimpleDateFormat的线程不安全问题：SimpleDateFormat不是线程安全的类。当多个线程

程序员_老榕树·2025-03-07 20:22

老榕树的Java专题：你了解java吗？

Java：编程世界的多面手在当今数字化浪潮汹涌澎湃的时代，编程技术无疑成为了驱动创新与变革的核心引擎。而在众多编程语言中，Java犹如一颗璀璨的明星，闪耀着独特而迷人的光芒，以其卓越的特性和广泛的应用场景，在全球范围内赢得了无数开发者的青睐与追捧。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

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

金三银四突围战：技术面试体系化备考指南

一、技术人备考的三大认知误区盲目追求题量典型症状：刷完LeetCode500题仍不会变通解题数据佐证：2023年上岸者中，83%采用模块化专题突破策略忽视知识关联错误案例：能解释MySQL索引原理，却说不出

守护海洋的猫·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

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

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

2021年7月初，深圳TPlink图像算法工程师面试题分享

问题一：Batch-norm作用和参数batchnorm的作用batchnorm对于输入数据做了零均值化和方差归一化过程，方便了下一层网络的训练过程，从而加速了网络的学习。

niuyunpang·2025-03-07 11:16

大模型最新面试题系列：训练篇之模型监控与调试

1.训练过程中需要监控哪些关键指标？如何设置报警阈值？关键指标损失函数值：包括训练损失和验证损失，反映模型在训练和验证数据上的拟合程度。

人肉推土机·2025-03-07 10:21

具身智能行业

其核心特征是“知行合一”，强调通过实际交互提升智能水平，而非仅依赖数据训练。技术融合：结合人工智能（AI）、机器人技术、多模态大模型

[shenhonglei]·2025-03-07 09:13

【yolov8】模型导出----pytorch导出为onnx模型

五、问题六、疑问训练模型的最终目标是将其部署到实际应用

栗子风暴·2025-03-07 09:12

LLMs之Llama-3：基于Colab平台(免费T4-GPU)利用LLaMA-Factory的GUI界面(底层采用unsloth优化框架【加速训练5~30倍+减少50%的内存占用】)对llama-3

LLMs之Llama-3：基于Colab平台(免费T4-GPU)利用LLaMA-Factory的GUI界面(底层采用unsloth优化框架【加速训练5~30倍+减少50%的内存占用】)对llama-3-

一个处女座的程序猿·2025-03-07 09:41

推荐频道

背包专题训练