LeetCode训练

Solidity/Rust 实战 —— Web3 开发者免费训练营（第23期）

HackQuest第23期Solidity/Rust共学营即将开营！Solidity/Rust共学营信息清单8月13日-8月22日免费（成功结营的小伙伴还将获得专属周边）全程线上(会议具体时间入营后通知)️头部公链官方签发的学习证书主办社区:HackQuestHackQuest是一个充满活力的Web3开发者教育社区，我们的目标是培养下一代Web3开发者。目前，HackQuest组织的共学营已达22

moonshotcommons·2025-06-28 12:00

Solidity/Rust 实战 —— Web3 开发者免费训练营（第16期）

HackQuest第16期Solidity/Rust共学营即将开营！Solidity/Rust共学营信息清单6月11日-6月20日免费（成功结营的小伙伴还将获得专属周边）全程线上(会议具体时间入营后通知)️头部公链官方签发的学习证书关于HackQuestHackQuest是一个充满活力的Web3开发者教育社区，我们的目标是培养下一代Web3开发者。目前我们的产品仍处于内测阶段，我们计划招募小伙伴们

moonshotcommons·2025-06-28 12:30

误差的回响：反向传播算法与神经网络的惊天逆转

他们指出的核心死结——缺乏有效算法来训练具有隐藏层的网络——仿佛一道无法逾越的天堑。单

田园Coder·2025-06-28 10:50

Python打卡训练营day31

规范的文件命名目标：将文件夹中的文件按规则重命名（如添加前缀、序号等）。#示例importos#定义文件夹路径folder_path=r'C:\Users\Name\Documents\Project\Files'#遍历文件夹中的文件forindex,filenameinenumerate(os.listdir(folder_path)):#拆分文件名和后缀file_ext=os.path.spl

weixin_70153780·2025-06-28 06:53

Python打卡训练营Day26

@浙大疏锦行DAY26函数专题1知识点回顾：1.函数的定义2.变量作用域：局部变量和全局变量3.函数的参数类型：位置参数、默认参数、不定参数4.传递参数的手段：关键词参数5.传递参数的顺序：同时出现三种参数类型时作业：题目1：计算圆的面积●任务：编写一个名为calculate_circle_area的函数，该函数接收圆的半径radius作为参数，并返回圆的面积。圆的面积=π*radius²(可以使

宸汐Fish_Heart·2025-06-28 06:52

Python打卡训练营Day27

@浙大疏锦行DAY27函数专题2：装饰器ps：第一期day27对应5月16日知识点回顾：1.装饰器的思想：进一步复用2.函数的装饰器写法3.注意内部函数的返回值作业：编写一个装饰器logger，在函数执行前后打印日志信息（如函数名、参数、返回值）昨天我们接触到了函数大部分的功能，然后在你日常ctrl点进某个复杂的项目，发现函数上方有一个@xxx,它就是装饰器装饰器本质上是一个Python函数，它可

宸汐Fish_Heart·2025-06-28 06:52

《多设备协同训练：HarmonyOS联邦学习驱动Unity游戏AI进化》

然而，传统游戏AI训练面临数据孤岛、计算资源受限、隐私安全风险三大核心挑战：单设备训练难以处理复杂场景的海量数据，集中式训练需上传用户行为数据（侵犯隐私），且高性能计算依赖云端或专用硬件（成本高、延迟大

爱学习的小齐哥哥·2025-06-28 06:21

60天python训练计划----day55

我们之前接触到的结构化数据，它本身不具备顺序，我们认为每个样本之间独立无关，样本之间即使调换顺序，仍然不影响模型的训练。但是日常中很多数据是存在先后关系的，而他们对应的任务是预测下一步的值，我

·2025-06-28 05:46

基于Python Anaconda环境，使用CNN-LSTM模型预测碳交易价格的完整技术方案

内容涵盖数据预处理、模型构建、训练优化、预测可视化和结果分析等核心环节，代码与文字说明共计超过6000字。

神经网络15044·2025-06-28 05:44

小模型和大模型的区别在哪里？

小模型和大模型在多个方面存在显著差异，主要体现在参数量、训练与运行速度、处理数据的准确性及应用场景上。参数量：大模型通常包含数十亿甚至数万亿个参数，这使得它们能够捕捉更复杂的数据模式和关系。

我非常不满意·2025-06-28 03:06

【PyTorch】保存和加载模型

目录■state_dict■用于推理的保存和加载模型保存/加载state_dict保存/加载整个模型以TorchScript格式导出/加载模型■保存和加载用于推断和/或恢复训练的一般检查点(Checkpoint

Jackilina_Stone·2025-06-28 01:54

Python打卡：Day39

知识点回顾图像数据的格式：灰度和彩色数据模型的定义显存占用的4种地方模型参数+梯度参数优化器参数数据批量所占显存神经元输出中间状态batchisize和训练的关系@浙大疏锦行

剑桥折刀s·2025-06-28 00:18

【机器学习实战】Datawhale夏令营2：深度学习回顾

#DataWhale夏令营#ai夏令营文章目录1.深度学习的定义1.1深度学习＆图神经网络1.2机器学习和深度学习的关系2.深度学习的训练流程2.1数学基础2.1.1梯度下降法基本原理数学表达步骤学习率

城主_全栈开发·2025-06-28 00:17

代码随想录算法训练营第一天|704.二分查找、35.搜索插入位置、34.在排序数组中查找元素的第一个和最后一个位置、27.移除元素、977.有序数组的平方

LeetCode704二分查找题目链接二分查找左闭右闭写法classSolution{publicintsearch(int[]nums,inttarget){intleft=0,right=nums.length

天天开心(∩_∩)·2025-06-28 00:16

14. 栈五题（一道困难题）

14.栈五题（一道困难题）20.有效的括号-力扣（LeetCode）栈做法：classSolution:defisValid(self,s:str)->bool:stack=[s[0]]foriinrange

Mophead_Zarathustra·2025-06-27 23:40

每日leetcode

611.有效三角形的个数-力扣（LeetCode）题目给定一个包含非负整数的数组nums，返回其中可以组成三角形三条边的三元组个数。

XiaoyaoCarter·2025-06-27 23:09

如何设计和训练大模型（神经网络）：从入门到精通！

“学习一门技术，先找一套工具和理论研究下去；千万不要反复横跳，什么都想学”大模型作为未来重要的发展方向，很多人想学习大模型技术，但又苦于无从下手；而本公众号前前后后也写过一些怎么学习大模型技术的方法论；但大部分都是从应用的角度作为切入点。但是，有一个问题就是，如果你是一个技术从业者，想学习和设计一款属于自己的大模型，应该怎么做？设计一个自己的大模型大模型作为一门快速发展的新型技术，其理论与实现也是

·2025-06-27 21:58

pytorch 要点之雅可比向量积

PyTorch中的自动微分与雅可比向量积自动微分（AutomaticDifferentiation，AD）是深度学习框架中的关键技术之一，它使得模型训练变得更加简单和高效。

AI大模型教程·2025-06-27 21:28

MIAOYUN | 每周AI新鲜事儿（06.14-06.20）

AI开源大模型腾讯混元3D2.1大模型全链路开源6月14日，在CVPR2025（计算机视觉领域顶会之一）上，腾讯混元3D2.1大模型对外全链路开源，其模型权重及架构、训练代码、数据处理流程

·2025-06-27 20:39

基于YOLOv8的桃子成熟度检测系统，支持图片、视频、摄像头输入，PyQt5界面检测。识别并分类桃子的成熟度（未熟、半熟、成熟）

识别并分类桃子的成熟度（未熟、半熟、成熟）文章目录调用示例加载预训练模型开始训练加载训练好的模型在验证集上评估加载训练好的模型文字及代码仅供参考。

QQ67658008·2025-06-27 19:07

降低20%成本暴雨定制化液冷系统落地

暴雨信息凭借多年液冷设计及实施经验，帮助某知名自动驾驶企业完成了车端算力设备和后端数据中心的液冷改造升级，进一步提升了其车端实时数据处理能力及后端模型训练优化效率。

·2025-06-27 18:00

暴雨携AMD ，实现大规模 AI 和 Agentic 工作负载性能突破

与上一代相比，大规模AI训练和推理工作负载的性价比将提高超过两倍。

BAOYUCompany·2025-06-27 17:30

VLLM：虚拟大型语言模型（Virtual Large Language Model）

VLLM的核心是“大型语言模型”，这是一种通过深度神经网络训练的算法，能够在理解和生成人类语言方面表现出极高的能力。解释：虚拟：意味着这个模型不是在单个物理设备

大霸王龙·2025-06-27 17:57

The AI Moat Pyramid：构建不可复制的 AI 护城河

文章提出了“AIMoatPyramid”框架，详细阐述了六个关键层级：第一层的定制化模型与算法开发，强调超越开源模型性能且支持快速重训练；第二层的专有数据资产，要求数据具备独特性、可用性和普及性；第三层的工作流集成

·2025-06-27 13:58

AIGC-controlnet代码详细解读以及训练一个自己的controlnet

huggingface社区diffusers官方代码：stable_diffusion/controlnetcontrolnet.ipynb原始代码的解读可以看看这个博主的：万字长文解读StableDiffusion的核心插件—ControlNet小部分讲解引用controlnet代码讲解解读的是diffusersv0.16.0对应的controlnet代码里面也有对应的注释哈！controlne

·2025-06-27 12:28

存得快查得准，但就是算不动？试试时序数据库 TDengine × Spark 的组合拳

每个工程师可能都遇到过类似场景：时序数据沉淀在数据库中，格式规范、查询快捷，但当任务升级——比如滑窗聚合、多源拼接、机器学习训练——一些业务可能就需要更强的计算能力和更灵活的分析工具。

·2025-06-27 11:21

AI对于普通人的影响

新兴职业‌：AI训练师、数据标注员、伦理审计师等岗位需求激增，全球需转型技能人群超3.75亿。‌技能焦虑‌：47%岗位面临自动化风险，普通人需快速掌握人机协作能力。‌

抬起右手·2025-06-27 09:35

【深度学习解惑】训练RNN时如何解决梯度消失或梯度爆炸？

训练RNN时如何解决梯度消失或梯度爆炸？

·2025-06-27 09:34

大模型——Dify：知识库与外部知识库

Dify：知识库与外部知识库相比于AI大模型内置的静态预训练数据，知识库中的内容能够实时更新，确保LLM可以访问到最新的信息，避免因信息过时或遗漏而产生的问题。

不二人生·2025-06-27 08:57

代码随想录|图论|05岛屿数量（深搜DFS）

leetcode:99.岛屿数量题目题目描述：给定一个由1（陆地）和0（水）组成的矩阵，你需要计算岛屿的数量。岛屿由水平方向或垂直方向上相邻的陆地连接而成，并且四周都是水域。

Paper Clouds·2025-06-27 08:25

【机器学习的五大核心步骤】从零构建一个智能系统

目录一、数据处理：一切从“数据”开始✅常见数据源✅关键任务二、特征工程：从“数据”中提取“洞察”✅常用方法✅高阶技巧三、建立模型：从“算法”到“智能”✅模型类型✅常见算法✅模型训练四、评估迭代：没有反馈

·2025-06-27 06:08

Prompt Engineering终极手册：构建高效AI提示词库的完整技术路线

关键技术实现步骤1.数据采集与清洗2.提示词向量化编码3.聚类分析与分类存储三、API服务化部署四、性能优化方案五、监控与持续优化六、应用效果展示本文将深入探讨构建企业级AI提示词库的完整技术方案，含数据处理、模型训练

LCG元·2025-06-27 06:07

(LeetCode 面试经典 150 题 ) 55. 跳跃游戏（贪心）

题目：55.跳跃游戏思路：贪心，维护可达的最远距离last。时间复杂度0(n)。C++版本：classSolution{public:boolcanJump(vector&nums){intlast=0;for(inti=0;i

岁忧·2025-06-27 04:31

【面试宝典】【大模型入门】【模型微调】

在大模型时代（比如BERT、GPT）里，我们经常听到“预训练+微调”的范式。但你可能会疑惑——监督微调、无监督微调，到底有啥区别？用的场景一样吗？

曾小文·2025-06-27 04:00

【大模型】【机器学习】【面试宝典】

在深度学习面试中，经常会被问到模型训练稳定性相关的问题。其中两个关键词BatchNorm和LayerNorm绝对是高频词！

曾小文·2025-06-27 04:00

中文工单分类模型选择

采用基于预训练模型的微调（Fine-tuning）方案来做中文工单分类，这是非常明智的选择，因为预训练模型已经在大量中文语料上学习了丰富的语言知识，能大幅提升分类效果。

SugarPPig·2025-06-27 04:26

3 大语言模型预训练数据-3.2 数据处理-3.2.2 冗余去除——1.SimHash算法处理冗余信息的核心原理

SimHash算法处理冗余信息的核心原理一、SimHash算法的定位与核心目标二、SimHash算法的核心原理与执行流程1.**文本预处理与特征提取**2.**特征向量化与哈希映射**3.**特征向量聚合**4.**降维生成SimHash值**5.**相似性判断与冗余过滤**三、SimHash处理冗余信息的核心优势四、实际应用中的优化策略五、SimHash的局限性与补充方案一、SimHash算法的

·2025-06-27 03:50

使用随机森林实现目标检测

核心实现思路滑动窗口策略：在图像上滑动固定大小的窗口，对每个窗口进行分类多维特征提取：结合统计特征、纹理特征、边缘特征、形状特征等随机森林分类：训练二分类器判断窗口是否包含目标后处理优化：使用非极大值抑制减少重复检测特征工程的重要性

司南锤·2025-06-27 02:43

DeepSeek打破AI天花板：MoE架构+RL推理，效率提升5倍的底层逻辑

文章目录一、引言二、MoE架构：高效计算的核心支撑（一）MoE架构概述（二）DeepSeekMoE架构的创新点（三）MoE架构的代码实现示例三、RL推理：智能提升的关键驱动（一）RL推理概述（二）R1的训练流程

泡泡Java·2025-06-27 02:13

PyTorch版本匹配终极指南：手把手教你避开99%的安装坑

我照着CSDN教程装PyTorch，结果训练时直接报错cudaruntimeerror！”

·2025-06-27 02:42

⼤模型（LLMs）基础⾯

GPT模型通过在⼤规模⽆标签⽂本上进⾏预训练，然后在特定任务上进⾏微调，具有很强的⽣成能⼒和语⾔理解能⼒。2.BERT（B

cv2016_DL·2025-06-27 01:04

LightGBM：极速梯度提升机——结构化数据建模的终极武器

GBDT的瓶颈传统梯度提升树（如XGBoost）在处理海量数据时面临两大痛点：训练速度慢：需预排序特征&层次生长（Level-wise）内存消耗高：存储特征值与分裂点信息LightGBM的诞生微软亚洲研究院于

大千AI助手·2025-06-27 00:56

删除链表倒数第N个节点【快慢指针】【指向删除节点的前一个节点？】

问题描述LeetCode19.删除链表的倒数第N个节点给你一个链表，删除链表

weixin_47868976·2025-06-26 23:53

GPT-5企业级应用落地指南：70个工业场景实战部署全景（2025）

核心解决三大落地挑战：安全合规部署方案（企业知识库隔离训练、区块链存证）、行业场景迁移（小样本领域适应、多模态提示工程）、成本效率优化（MoE稀

知识产权13937636601·2025-06-26 22:43

AI模型开发的全生命周期管理体系

从"炼丹"到工程化：让AI模型开发不再是玄学目录1.引言：告别AI开发的"野蛮生长"时代2.生命周期管理体系总览3.数据管理阶段：万丈高楼平地起4.模型开发阶段：从想法到现实5.训练与调优阶段：让模型"

TechVision大咖圈·2025-06-26 21:05

Python打卡训练营-Day42-Grad-CAM与Hook函数

@浙大疏锦行知识点回顾回调函数lambda函数hook函数的模块钩子和张量钩子Grad-CAM的示例作业理解下今天的代码即可代码实现

traMpo1ine·2025-06-26 21:34

Python打卡训练营-Day43-复习日

@浙大疏锦行作业kaggle找到一个图像数据集，用cnn网络进行训练并且用grad-cam做可视化进阶：并拆分成多个文件

traMpo1ine·2025-06-26 21:04

Day41 Python打卡训练营

知识回顾1.数据增强2.卷积神经网络定义的写法3.batch归一化：调整一个批次的分布，常用与图像数据4.特征图：只有卷积操作输出的才叫特征图5.调度器：直接修改基础学习率卷积操作常见流程如下：1.输入→卷积层→Batch归一化层（可选）→池化层→激活函数→下一层2.Flatten->Dense(withDropout，可选)->Dense(Output)importtorchimporttorc

·2025-06-26 21:33

python打卡训练营Day41

importnumpyasnpfromtensorflowimportkerasfromtensorflow.kerasimportlayers#加载和预处理数据(x_train,y_train),(x_test,y_test)=keras.datasets.mnist.load_data()x_train=x_train.reshape(-1,28,28,1).astype("float32")

珂宝_·2025-06-26 20:33

Boosting：从理论到实践——集成学习中的偏差征服者

核心定位：一种通过串行训练弱学习器、自适应调整数据权重，将多个弱模型组合成强模型的集成学习框架，专注于降低预测偏差。本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。

大千AI助手·2025-06-26 20:29

推荐频道