19级训练

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

调度与分发的区别？

•应用场景：定时任务、周期性任务、任务优先级调度等。•典型实现：`ScheduledExecutorService`（延迟任务和周期性任务）、操作
risc123456·2025-03-07 23:08

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

2025最新API 调试与管理工具 Apifox 和 Apipost，企业究竟该如何选？

在企业级API调试与管理场景中，选择一款高效的工具至关重要。市面上的调试工具琳琅满目，而Apifox和Apipost是近几年两款备受开发者关注的API工具。
·2025-03-07 21:31

一个人可以仿制出中望CAD 类似的软件吗

仿制中望CAD这类工业级CAD软件对个人开发者而言几乎是不可能完成的任务，但若以研究或简化版为目标，则存在理论可能性。
七贤岭双花红棍·2025-03-07 21:24

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

2025年全国各省市专精特新补贴奖励政策全解析及申报流程总结！中小企业收藏！

一、国家层面一旦被认定为国家级专精特新“小巨人”企业，即可收获一次性600万元/家的奖励，并且每年还能额外获得200万元奖励，助力企业一路“狂飙”。
wotao19855108117·2025-03-07 20:11

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

DeepSeek掘金——Deepseek + Lakehouse 架构 赋能企业数字化转型

作为一个月活将近14亿的国民级app，表达一个开放的意愿就已经能够让股价火箭上天。而另一面，笔者的朋友圈也都很躁动，众多企业朋友们都在热情入局Deepseek。
不二人生·2025-03-07 19:30

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

DevOps落地实践点滴和踩坑记录-(1)

Python量化交易实战入门级手把手带你打造一个易扩展、更安全、效率更高的量化交易系统记录初衷本人一直在从事企业内DevOps落地实践的工作，走了不少弯路，也努力在想办法解决面临的问题，期间也经历过不少人和事
xuhss_com·2025-03-07 18:22

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

进行vscode安装时，没有更改安装位置选项的弹窗

目录一、遇到的问题二、解决方法一、遇到的问题因为我之前下过vscode，装的是c盘，删的时候没删干净，所以再进行安装时没有出现下面的弹窗此图引用网址:VSCode安装配置使用教程（最新版超详细保姆级含插件
雪映梅心·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

弹性算力革命：企业级GPU云服务如何重构AI与图形处理的效能边界

企业级GPU云服务是一种面向企业用户，基于云计算技术，将强大的图形处理器（GPU）资源以服务的形式提供给企业的创新模式。
·2025-03-07 17:21

弹性算力革命：企业级GPU云服务如何重构AI与图形处理的效能边界

企业级GPU云服务是一种面向企业用户，基于云计算技术，将强大的图形处理器（GPU）资源以服务的形式提供给企业的创新模式。
·2025-03-07 17:21

对话开源中国马越：DeepSeek不是国运级的创新，年轻人才是

如果说关于DeepSeek的讨论已经过于泛滥，开源也许是当下依然值得讨论的主题。长期以来，在国内谈起“开源”，都会无可避免地陷入一种尴尬的语境。它当然是理想主义的。“开源”背后的自由、开放特性，被普遍认为是互联网精神的外化——源代码向公众开放共享，且允许在遵循特定许可证条款的前提下，对软件进行自由使用、修改和二次分发。最知名的开源项目“Linux”是操作系统的内核，催生了数以千万计的开源软件，这是
·2025-03-07 17:19

一、计算机网络技术——概述、性能指标

这一阶段的主要特点是TCP/IP协议初步成型第二阶段：采用三级结构，这一阶段的主要特点是将互联网分为了主干网、地区网和校园网。
练习&两年半·2025-03-07 17:07

工业级Pandas性能优化：Dask/Modin实战教程

目录工业级Pandas性能优化：Dask/Modin实战教程1.引言与背景1.1Pandas的局限性1.2分布式计算与GPU加速的需求1.3Dask与Modin简介2.数据集介绍3.工业级数据处理理论基础
闲人编程·2025-03-07 17:06

Spring Boot 切面执行优先级配置指南

当存在多个切面时，了解和控制切面的执行优先级顺序就显得尤为重要。本文将深入介绍SpringBoot框架中切面执行优先级顺序的使用方式。
蓝田～·2025-03-07 16:35

Lua为编程语言的嵌入式智能可编程Modbus主机用于Modbus和嵌入式TCP/IP设备

此产品采用工业级高性能32位CPU、32M内存，集成3个串口，其中1、2口为RS232/RS485两用设计（切换使用），第3口固定为RS485口。
some9009·2025-03-07 15:49

3月7日星期五今日早报简报微语报早读

1、2024年烟草行业实现工商税利总额16008亿元；2、上海三级医院全部试点：不要家属陪，专业护理员24小时全程照护；3、逐梦火星！
微语早读·2025-03-07 14:49

雷军：卖车的成功来得有点猝不及防；微信聊天记录上线“瘦身”新功能；阿里发布全新推理模型QwQ-32B | 极客头条

雷军说卖车的成功来得有点猝不及防传腾讯QQ小世界团队大幅度裁员字节跳动发布2024年反腐通报：辞退违规员工353人，追究刑责39人腾讯混元上线并开源新图生视频模型阿里发布全新推理模型QwQ-32B，消费级显
极客日报·2025-03-07 14:48

HAproxy+keepalived实现高可用

keepalived来实现容错高可用这个对与学网工的好理解，keepalived本身就是基于vrrp协议（虚拟路由冗余协议）里面的，通过VIP（虚拟IP）来实现容错，还有健康检查机制，主备切换通过优先级来判断
热心市民运维小孙·2025-03-07 13:16

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

【路径规划】二维Dijkstra启发式改进算法

当我们将邻居节点添加到优先队列时，我们使用了distance+heuristic作为优先级，这样我们可以更快地找到通往目标节点的路径。
神精兵院院长·2025-03-07 13:41

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

深夜炸弹 阿里推理模型QwQ-32B开源及登顶

据了解，千问QwQ-32B在数学、代码及通用能力上实现质的飞跃，整体性能比肩DeepSeek-R1，并突破性地让高性能推理模型在消费级显卡上实现本地部署，大幅降低了模型应用成本。
wx@aiotgman·2025-03-07 13:36

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

Spring Boot 3.0深度实战：从核心特性到生产级调优

一、SpringBoot3.0核心特性解读1.1JDK17LTS支持（实测性能提升）记录类（Record）与SpringDataJPA完美适配模式匹配简化类型判断密封类（SealedClass）增强DTO安全性//使用Record优化DTOpublicrecordUserDTO(@NotBlankStringusername,@EmailStringemail){}//密封接口定义响应类型publ
Code_Cracke·2025-03-07 12:02

分钟级降水预报API：精准掌控天气变化

而分钟级降水预报API的出现，则打破了这一局限，为各行各业带来了更精准、更及时的降水预报服务。什么是分钟级降水预报API？
·2025-03-07 12:04

【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

湖仓一体化及冷、热、实时三级存储

一、湖仓一体化（Lakehouse）湖仓一体化（Lakehouse）是数据湖（DataLake）与数据仓库（DataWarehouse）的结合，旨在解决传统数据架构中数据孤岛、存储冗余、计算性能不足等问题。其核心思想是兼顾数据湖的存储灵活性和数据仓库的管理与计算能力，使得结构化、半结构化、非结构化数据能够在同一存储系统中高效管理和分析。二、为什么需要湖仓一体？数据湖的缺陷：缺乏强Schema，查询
麦当当MDD·2025-03-07 12:24

特朗普总统签署命令建立比特币战略储备，将作为类似于诺克斯堡的价值储存手段

作者：Techub加密权谋2025年3月6日，美国东部时间晚上19:45要点：该行政命令要求对联邦政府持有的数字资产进行全面核算。
·2025-03-07 11:02

Linux内核笔记（驱动篇）之 【u-boot移植--基于正点原子iMX6ull开发板】

Linux内核笔记汇总【持续更新】更好的阅读体验请见：u-boot移植–基于正点原子iMX6ull开发板文章目录添加自己的开发板添加开发板对应的头文件添加开发板对应的板级文件夹编译测试烧写屏幕&网络驱动移植软件层面的修改修改
哆哆jarvis·2025-03-07 11:21

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

2025 网络安全保姆级学习路线来啦~

关键词：网络安全入门、渗透测试学习、零基础学安全、网络安全学习路首先咱们聊聊，学习网络安全方向通常会有哪些问题1.初学者常见问题1.1如何开始学习网络安全？问题：网络安全领域广泛，初学者往往不知道从哪里入手。解答：从基础知识开始：学习计算机网络、操作系统、编程语言（如Python、Bash）。了解网络安全的基本概念，如加密、认证、漏洞、攻击类型等。使用在线资源（如Cybrary、OWASP）或书籍
白帽黑客-晨哥·2025-03-07 10:55

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
上一页 16 17 18 19 20 21 22 23 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他