- 博客(124)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 【Golang学习】2-完善前端、GORM
本期分支work2上一篇是基于mysql的crud，这期进行小改进，给它一个前端+gormgorm是什么？是 Go 语言中一个非常流行的（对象关系映射），简化对数据库的操作。它支持主流数据库（如 MySQL、PostgreSQL、SQLite、SQL Server 等），可以让我们用，减少手动写 SQL 的工作。需要先安装好库才能用，跟python似的连接数据库配置-config.go小改，使用了GORM的连接方式。
2025-06-25 10:31:48
289
原创 【LLM学习】2-简短学习BERT、GPT主流大模型
阅读《Attention is All You Need》论文，理解自注意力机制和多头注意力。学习BERT、GPT等主流LLM的预训练和微调流程。
2025-06-23 11:33:05
604
原创 【LLM学习】论文学习-Qlora: QLoRA: Efficient Finetuning of Quantized LLMs
本文介绍了一种名为QLoRA的创新方法，用于有效微调LLMs（文中Guanaco模型）。这种方法通过减少微调模型所需的内存量，使得原本需要超过780GB GPU内存的6.5B参数模型微调，现在可以在小于48GB的GPU内存下完成，同时保持与16位全参数微调的性能相当。这项技术使得目前最大的公开可用模型能够在单个GPU上微调，显著提高了LLM微调的可行性。so，重点是减少微调模型所需内存的使用——>保持性能的同时，提高了LLM微调的可能性。一种理论上最适合正态分布数据的量化的新的数据类型。
2025-03-21 20:29:42
1090
原创 【LLM学习】1-NLP回顾+Pytorch复习
随着大模型爆火，准备好好深入学习下，根据招聘岗位，总结了下大模型人才需要具备以下能力：深度学习与大模型开发：熟练掌握 PyTorch，了解 TensorFlow，熟悉 Transformer、BERT、GPT 等模型及其微调算法（如 LoRA）。大模型微调与优化：掌握微调方法（Supervised/PEFT）、指令微调、模型对齐、推理性能加速（vLLM、LmDeploy、Ollama 等）。
2025-03-08 20:05:10
753
原创 [LeetCode力扣hot100]-堆
典型的Top K问题，（第一遍做是快排+输出，有点太取巧了肯定不行，时间复杂度也不符合O（n））遍历插入时，插入的数据和堆顶（即根节点）对比即可。此题可用小顶堆，小顶堆的特点是父节点<子节点，所以最后。最后的根节点就是整个数组的第K大的元素。
2025-03-07 15:30:12
336
原创 [LeetCode力扣hot100]-快速选择和快排
腾讯面经高频真题，这题看上去不难，但是难点是复杂度规定为O（n）如果用sort的话 就是O（nlogn）2.统计字符串含有大写字母A的个数。，但是只能收敛于O(n)。想要得到O(n)，就要用。能做出来不太合规就是。
2025-02-23 21:53:31
424
原创 [LeetCode力扣hot100]-链表
指针pA遍历完后从headA跳转到headB，pB遍历完headB跳成A。同理不相交的话会遍历a+b，最后会pA=pB=NULL，最后返回空。这样的话最后遍历a+b+c，肯定会最后同时到达相交节点的。思路就是遍历两个链表，有相同的部分就可以视为相交。但是长度不一样，比如两个会相交的链表，
2025-02-18 23:50:21
302
原创 [LeetCode力扣hot100]-C++常用数据结构
一个节点指向三个东西，root->val,root->left, root->right。树是一种特殊的数据结构，力扣二叉树相关会直接让你用。题解中上面也有对应的注释。ans.count()//检查某个元素是否在set里，1在0不在。//根据类型定义，像vector。ans.erase()//删除某个指定元素。5.散列表unordered_map。
2025-02-18 00:03:14
353
原创 [LeetCode力扣hot100]-二叉树相关手撕题
就说左子树-根-右子树顺序，之前也有二叉树相关的文章，基本上递归为主，这里用栈等方式实现下。注意上面给出节点的基本结构，如左右，val指等即可，
2025-02-18 00:02:03
388
原创 百度-日常实习-部分手撕代码题【1】
就需要把stack1的（底-顶）1 2 3 4先放到stack2中，注意 放完后的顺序是（底-顶）4 3 2 1，正好倒了各个，接下来直接pop2就相当于完成了队列的功能（从顶部删除）。百度：8.算法：给出字符串数组，例如abcd，abc，efg，ef，分为两类，abc类和ef类，类似操作实现输出分类数量（没太理解面试官意思，和我说ab和ba也是同一类的，没a出来）（我也没理解。不会的原因是不熟悉链表的语法，大概思路还是有的，循环遍历存储，有重复的就说明有环，可以借助set数据结构。麻了，之后再练习吧。
2024-09-20 18:23:12
742
原创 字节飞书-日常实习-部分手撕代码题
之前的文章提到了一道高频题：最长不重复的字串，用到动态窗口。解法就在之前的文章。这篇文章从牛客上找了一些手撕题，在这里记录分享一下。
2024-09-17 16:44:51
1039
原创 [LeetCode力扣hot100]-滑动窗口-例：无重复字符的最长子串
如上图，核心思想就是满足条件的话，让黑色指针右移动；当黑色指针无法移动时，白色指针移动，白指针移动后如果黑色能移动就移动黑色。（0914学习了滑动窗口概念和set用法后才做出来了，需要再练），注意其中的set用法。同类题，只不过字符串换成了数组，上面一道能做出来这道题也能做出来。同时，为了满足这种关系，需要用到set数据结构（不可有重复元素）ans.count()//检查某个元素是否在set里，1在0不在。题目链接在开头，做为测开面试常见手撕题，必须要会做。字节飞书面经里的高频题，没做出来，需要好好复习。
2024-09-15 15:51:03
408
原创 【中等】保研/考研408机试-二分查找（模板题）
二分查找就是在一个有序数组中查找某个值，以首端尾端的中点mid查找对比，mid与要查找的数进行对比，看落在哪个区间，在那个区间重新得到首端和尾端，进而得到新的mid值。
2024-09-07 20:25:16
217
原创 【中等】保研/考研408机试-动态规划1（01背包、完全背包、多重背包）
多重背包模板dp[j]=max(dp[j-v[i]]+w[i],dp[j]) //核心思路代码（一维数组版）dp[i][j]=max(dp[i-1][j], dp[i-1][j-v[i]]+w[i])//二维数字版。
2024-05-06 21:27:08
717
原创 【入门】保研/考研408机试-基本知识点（输入/出、基本数学、字符串）
练习笔记记录基于和每篇会贴上几个机试原题和我找到题（leetcode、洛谷等）及我的解题思路。（立个flag至少一周一更）这些是比较基础容易忘的，适合小白入手 ，设数组外面去。
2024-03-16 18:39:32
1376
原创 【中等】保研/考研408机试-二叉树相关
二叉树的前序、中序、后序遍历的定义： 前序遍历：对任一子树，先访问根，然后遍历其左子树，最后遍历其右子树；中序遍历：对任一子树，先遍历其左子树，然后访问根，最后遍历其右子树；后序遍历：对任一子树，先遍历其左子树，然后遍历其右子树，最后访问根。二叉树中的结点名称以大写字母表示：A，B，C....最多26个结点。可能有多组测试数据，对于每组数据， 输出将输入字符串建立二叉树后中序遍历的序列，每个字符后面都有一个空格。输入样例可能有多组，对于每组测试样例， 输出一行，为后序遍历的字符串。，长度不超过100。
2024-03-15 17:13:54
1329
原创 如何将图片（matlab、python）无损放入word论文
许多论文对插图有要求，直接插入png、jpg一般是不行的，这是一篇顶刊文章（pdf）的插图，放大2400%后依旧清晰，搜罗了网上的方法，总结了一下如何将图片无损放入论文中。这里主要讨论的是数据生成的图表，像非图表的插图可以参考下面的链接用visio处理后。关于word的使用，office和wps我感觉功能都差不多，看个人喜好选择，以下主要以wps演示。
2023-12-22 10:54:46
3942
原创 Vscode配置C#编程环境（win10）
在搜索框中搜索并安装C#、C# Extensions、C/C++三个插件即可。至此，准备工作完毕，可以进行代码的运行和调试，样例代码便为刚才运行时生成的。如果缺少.bin或.bin文件夹内容不全，在终端中输入。官网如下，下载完成后双击打开一路走到底就行。，bin文件夹中即有出现一些正确的文件。创建或打开一个文件夹后要调出终端。可以点击左上角，点击工具栏中。进入命令行窗口，窗口中输入。软件显示安装好后，电脑按。
2023-10-06 18:27:00
6502
1
原创 如何导出论文高清图片
将论文拖进ps，点击图像，选择想找的图片。可以选择jpg格式，100%品质导出。打开ps（我是ps2021）左上角文件-导出-导出为。
2023-09-20 18:00:00
1311
原创 第G2周：人脸图像生成（DCGAN）
所以在整个训练过程中，生成网络G的目标是生成可以以假乱真的图像G(z)，当判别网络D无法区分，即D(G(z))=0.5时，便得到了一个生成网络G用来生成图像扩充数据集。如图2所示，DCGAN 模型主要包括了一个生成网络 G 和一个判别网络 D，生成网络 G 负责生成图像，它接受一个随机的噪声z，通过该噪声生成图像，将生成的图像记为G(z)，判别网络D负责判别一张图像是否为真实的，它的输入是x，代表一张图像，输出D(x)表示x为真实图像的概率。]内部限免文章（版权归 *K同学啊* 所有）
2023-08-14 16:47:22
527
原创 第G1周：生成对抗网络（GAN）入门
生成器和判别器交替运行，相互博弈，各自的能力都得到升。首先第一代生成模型1G的输入是随机噪声z，然后生成模型会生成一张初级照片，训练一代判别模型1D另其进行二分类操作，将生成的图片判别为0，而真实图片判别为1；为了欺瞒一代鉴别器，于是一代生成模型开始优化，然后它进阶成了二代，当它生成的数据成功欺瞒1D时，鉴别模型也会优化更新，进而升级为2D，按照同样的过程也会不断更新出N代的G和D。生成器的本质是一个使用生成式方法的模型，它对数据的分布假设和分布参数进行学习，然后根据学习到的模型重新采样出新的样本。
2023-08-14 09:15:36
2072
原创 NLP实战9：Transformer实战-单词预测
cuda# 定义编码器层# 定义编码器，pytorch将Transformer编码器进行了打包，这里直接调用即可# 初始化权重"""Arguments:src : Tensor, 形状为 [seq_len, batch_size]src_mask: Tensor, 形状为 [seq_len, seq_len]Returns:输出的 Tensor, 形状为 [seq_len, batch_size, ntoken]"""# 生成位置编码的位置张量# 计算位置编码的除数项。
2023-08-01 10:50:54
5000
1
原创 图解 Transformer笔记
[Transformer整体结构图，与seq2seq模型类似，Transformer模型结构中的左半部分为编码器（encoder），右半部分为解码器（decoder），接下来拆解Transformer。
2023-07-23 14:35:00
968
原创 NLP实战7：seq2seq翻译实战-Pytorch复现
🍨 本文为[🔗]内部限免文章（版权归 *K同学啊* 所有）🍖 作者：[📌 本周任务：●请根据N5、N6周内容，为解码器添加上注意力机制。
2023-07-10 16:08:04
659
原创 NLP实战6：seq2seq翻译实战-Pytorch复现-小白版
🍨 本文为[🔗]内部限免文章（版权归 *K同学啊* 所有）🍖 作者：[📌 本周任务：●结合训练中N5周的内容理解本文代码数据集：eng-fra.txt。
2023-07-05 18:49:38
1459
原创 NLP学习：seq2seq详解
总结起来，这篇文章介绍了seq2seq模型的原理和应用。seq2seq模型是一种常见的NLP模型结构，用于处理序列到序列的任务，如机器翻译和文本摘要。它由编码器和解码器组成，其中编码器将输入序列转化为一个上下文向量，解码器根据上下文向量生成输出序列。基于RNN的seq2seq模型使用循环神经网络来处理输入序列和输出序列，其中每个时间步的输入和输出都通过RNN进行处理。然而，这种模型在处理长文本序列时存在困难，因为RNN很难捕捉到长距离的依赖关系。为了解决这个问题，引入了注意力机制。
2023-06-27 13:13:21
968
原创 NLP实战：使用Word2vec实现文本分类
model.train() # 切换为训练模式optimizer.zero_grad() # grad属性归零loss = criterion(predicted_label, label) # 计算网络输出和真实值之间的差距，label为真实值loss.backward() # 反向传播torch.nn.utils.clip_grad_norm_(model.parameters(), 0.1) # 梯度裁剪optimizer.step() # 每一步自动更新# 记录acc与loss。
2023-06-17 20:35:59
5334
4
原创 NLP实战：调用Gensim库训练Word2Vec模型
🍨 本文为[🔗]内部限免文章（版权归 *K同学啊* 所有）🍖 作者：[📌 本周任务：●阅读NLP基础知识里Word2vec详解一文，了解并学习Word2vec相关知识●学习本文内容，在下一篇文章中，将使用Word2vec辅助完成文本分类任务是一本电子书，txt格式。
2023-06-06 14:42:09
1423
原创 NLP实战：中文文本分类-Pytorch实现
model.train() # 切换为训练模式optimizer.zero_grad() # grad属性归零loss = criterion(predicted_label, label) # 计算网络输出和真实值之间的差距，label为真实值loss.backward() # 反向传播torch.nn.utils.clip_grad_norm_(model.parameters(), 0.1) # 梯度裁剪optimizer.step() # 每一步自动更新# 记录acc与loss。
2023-05-31 09:45:14
8382
50
原创 快速生成一份ppt：ChatGPT+MindShow
帮我做一份《xxxx》的ppt，帮我写一份包含6个子标题的大纲，每个子标题下尽量写4-5条内容，内容尽量详实，如果有例子更好。最后用markdown代码框输出。需要用到目前全宇宙最火的chatgpt，输入格式一定要。点击上方-我的文档，左侧选择。接下来进入MindShow。用markdown格式创建。
2023-05-27 18:17:08
687
2
原创 深度学习第J9周：Inception v3算法实战与解析
总结来说，Inception v3是一种深度卷积神经网络，其主要特点包括更深的网络结构、使用Factorized Convolutions、添加Batch Normalization、引入辅助分类器以及使用基于RMSProp的优化器进行训练。相对于Inception v1的Inception Module结构，Inception v3在卷积操作上做出了改动，使用两个3x3的卷积代替一个5x5的卷积以提高计算速度，并将n x n的卷积核尺寸分解为1 x n和n x 1两个卷积。
2023-05-14 20:53:52
5774
3
原创 YOLOv5教程-如何使用他人的数据集进行训练+测试评估模型
上面这篇文章是教大家从无到有如何diy一个权重模型用于目标检测，对水项目的本科生而言（比如我），大头时间都花在找数据集和标注数据集上了。许多朋友问过我数据集在哪找，这篇教程是我的想法，但许多也都是图片集，缺少标注文件。但有一些比赛和开源项目会提供图片+标注数据集供参赛选手，比如这个小比赛提供了现成的数据集，附上说明图片最后教大家调用val.py进行测试并得到相关数据。
2023-05-08 14:04:41
9966
11
原创 NLP实战：基于Pytorch的文本分类入门实战
这里我们定义TextClassificationModel模型，首先对文本进行嵌入，然后对句子嵌入之后的结果进行均值聚合。self.embedding = nn.EmbeddingBag(vocab_size, # 词典大小embed_dim, # 嵌入的维度这段代码是在 PyTorch 框架下用于初始化神经网络的词嵌入层（embedding layer）权重的一种方法。这里使用了均匀分布的随机值来初始化权重，具体来说，其作用如下：1。
2023-05-04 13:03:33
3788
3
原创 NLP实战：快递单信息抽取-基于ERNIE1.0 预训练模型
推荐使用MapDataset()自定义数据集。每条数据包含一句文本和这个文本中每个汉字以及数字对应的label标签。之后，还需要对输入句子进行数据处理，如切词，映射词表id等。ERNIE是百度开创性提出的基于知识增强的持续学习语义理解框架，该框架将大数据预训练与多源丰富知识相结合，通过持续学习技术，不断吸收海量文本数据中词汇、结构、语义等方面的知识，实现模型效果不断进化。
2023-05-03 19:26:21
2736
2
深度学习NLP部分代码
2023-08-02
深度学习每周练习P部分源代码
2023-06-23
深度学习每周练习J部分源代码
2023-06-23
深度学习每周练习R部分源代码
2023-06-23
天气识别数据集目标检测
2023-05-06
咖啡豆识别数据集目标检测
2023-05-06
jdk11,安装Jenkins配套用
2023-05-02
心脏故障分析数据集表格
2023-04-15
软著申请样例，自动排版代码行数统计软件
2022-12-03
软著申请样例，内有五种文件，源程序前30页、后30页、申请人信息表（学校用）、软著申请表、软件说明书
2022-12-02
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人