![](https://img-blog.csdnimg.cn/0a28553978654a289ca9bfd0732b8ee0.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
数据开发
文章平均质量分 80
①算法工程,机器学习,深度学习等。
②数据工程,Hadoop/HDFS/Hive/Spark/Flink。
③数据分析,spider/jupyter/pandas/numpy/matplotlib。
小哈里
愿你被世界温柔以待
展开
-
【NLP】给Transformer降降秩,通过分层选择性降阶提高语言模型的推理能力
【NLP】给Transformer降降秩,通过分层选择性降阶提高语言模型的推理能力文章目录【自然语言处理-论文翻译与学习】序1、导论2、相关工作3、相关工具4、方案5、实验5.1 使用 GPT-J 对 CounterFact 数据集进行彻底分析5.1.1 数据集中的哪些事实是通过降阶恢复的?5.1.2 高阶组件存储了什么?5.2 这种说法普遍适用吗?5.3 非文本域6、结论原创 2024-06-12 23:19:58 · 943 阅读 · 0 评论 -
【英文演讲】人工智能,Artificial Intelligence: A Glimpse into the Future World
生成式AI系统代表了AI发展的最新阶段,通过深度学习和大模型技术,AI具备了一定程度的创造性和想象力,能够生成具有艺术性和创新性的内容,它们向我们展示了实现人工智能具备人类智能的潜力和可能性。比如GPT,回答人类的问题。最早的时候,受限于编程的规则和逻辑,人们通过预定义的规则和逻辑来让AI做出决策和执行任务,比如邮件分类器检测关键词,这样的AI缺乏灵活性和适应性,无法真正具备人类智能的复杂性和创造性。比如医生的治疗机器人,程序员的编程助手,司机的辅助驾驶等等,一切你可以想到的职业,都可以通过它提高生产力。原创 2024-04-19 11:39:11 · 1218 阅读 · 0 评论 -
【数据开发】大数据岗位,通用必备技术栈(数据分析、数据工程、数据科学)
【数据开发】大数据岗位,通用必备技术栈(数据分析、数据工程、数据科学)文章目录1、岗位与技术要求1.1 常见岗位介绍1.2 行业发展方向1.3 附部分JD2、数据开发技术栈2.1 数据处理流程2.2 学习路线与框架3、数据分析技术栈3.1 基础知识3.2 进阶知识1、岗位与技术要求1.1 常见岗位介绍原创 2024-02-28 22:00:10 · 2684 阅读 · 0 评论 -
【数据开发】大数据平台架构,Hive / THive介绍
什么是Hive?Hive是一个基于Hadoop的数据仓库工具。它提供了一个类似于SQL的查询语言,称为HiveQL,用于查询和分析大规模数据集。Hive将结构化数据映射到Hadoop的分布式文件系统和Hadoop的分布式处理引擎上,允许用户使用类似于SQL的语言查询数据,并将数据转换为其他格式,例如MapReduce任务。Hive引擎是一个基于Hadoop的数据仓库工具,它提供了一个类似于SQL的查询语言,称为HiveQL,用于查询和分析大规模数据集。什么是THive?原创 2023-11-05 14:33:27 · 1493 阅读 · 0 评论 -
【数据开发】pyspark入门与RDD编程
pyspark的用途机器学习专有的数据分析。数据科学使用Python和支持性库的大数据。spark与pyspark的关系spark是一种计算引擎,类似于hadoop架构下mapreduce,与mapreduce不同的是将计算的结果存入hdfs分布式文件系统。spark则是写入内存中,像mysql一样可以实现实时的计算,包括SQL查询。spark不单单支持传统批量处理应用,更支持交互式查询、流式计算、机器学习、图计算等各种应用,原创 2024-02-02 21:19:12 · 2331 阅读 · 0 评论 -
【数据开发】HiveSQL 临时表&分步执行(with, as )与时间函数(时间戳unix_timestamp)
语句可以用于分步执行,即将一个大的查询语句拆分成多个小的查询语句,每个小的查询语句都可以使用WITH…语句可以让查询语句更加清晰易懂,同时也可以提高查询效率,因为每个临时表只需要被计算一次,然后就可以在后面的查询语句中反复使用。在上面的示例中,我们将大的查询语句分成了两个小的查询语句,分别定义了两个临时表temp1和temp2,然后在最后的查询语句中使用了这两个临时表。DATE_FORMAT(date, format):将日期格式化为指定的格式。TO_DATE(date):将日期时间戳转换为日期。原创 2024-01-13 15:27:10 · 1382 阅读 · 0 评论 -
【数据开发】BI&数据报表之数据可测试性设计与分析
数据报表是一种数据可视化工具用于将数据以图表、表格和其他可视化形式呈现出来,以便用户可以快速了解和理解数据。数据报表可以用于各种场景,例如业务分析、销售分析、市场分析、财务分析等。数据报表可以帮助用户更好地理解数据,发现数据中的趋势和模式,并做出更好的决策。数据报表通常具有以下特点数据可视化:数据报表将数据以图表、表格等可视化形式呈现,使用户可以更直观地了解数据。数据交互性:数据报表通常具有交互性,用户可以通过交互式控件(如下拉菜单、滑块等)筛选和过滤数据。原创 2024-01-14 16:14:10 · 1139 阅读 · 0 评论 -
【数据开发】Hive 多表join中的条件过滤与指定分区
b.连接类型是inner join、right outer join(小表不能是右表)、left outer join(小表不能是左表)、left semi join。2、on 后面条件用where ,在left join 生成的表上在做筛选,这时会把 where中不成立的筛选掉。写法1 是最慢的,因为join两边的表都没有提前过滤分区,所以执行时大概率导致全表扫描。写法4,5是Hive的标准写法,但是一般场景下没有子查询的必要,效果上与写法2,3相同。a. 参与连接的小表的行数,以不超过2万条为宜。原创 2023-12-08 21:38:47 · 1791 阅读 · 0 评论 -
【数据开发】数据全栈知识架构,数据(平台、开发、管理、分析)
一、数据全栈知识架构1、数据方法(思维,统计学,实践,北极星)2、数据工具:数据仓库3、数据规范二、数据分析工具1、大数据平台2、数据开发:入库+计算(重点)3、数据管理:字典+维表 (重点)4、数据分析:报表三、数据语言 (DDL,DML)SQL命令(重点)SQL表连接(补充)python(Spark等)原创 2023-09-24 22:18:16 · 1252 阅读 · 0 评论 -
【数据开发】大型离线数仓OLAP数据开发指南(目录)
离线数仓OLAP的核心是离线数据仓库,它是一个面向主题的、集成的、稳定的、历史的数据集合,用于支持企业的决策分析。离线数仓OLAP的优势在于能够支持复杂的数据分析,包括多维数据分析、数据切片、数据钻取、数据透视等,能够帮助企业发现数据中的规律和趋势,为企业提供决策支持。数据清洗:对抽取出来的数据进行清洗,包括去除重复数据、填充缺失数据、转换数据格式等,确保数据的准确性和完整性。数据转换:对清洗后的数据进行转换,包括数据合并、数据拆分、数据计算等,构建出适合于OLAP分析的数据模型。1、技术架构上的建设。原创 2024-01-14 15:37:57 · 1087 阅读 · 0 评论 -
【数据开发】DW数仓分层设计架构与同步策略(ODS、DWD、DWS等字段含义)
文章目录1、什么是数据仓库(DW)2、DW分层设计架构(ODS,DWD,DWS)3、数仓同步策略1、什么是数据仓库(DW)Data warehouse(可简写为DW或者DWH)数据仓库是什么?是在数据库已经大量存在的情况下,为了进一步挖掘数据资源、为了决策需要而产生的,它是一整套包括了etl、调度、建模在内的完整的理论体系。数据仓库的方案建设的目的,是为前端查询和分析作为基础,主要应用于OLAP(on-line Analytical Processing),支持复杂的分析操作,侧重决策支持,听原创 2023-10-04 14:47:03 · 2212 阅读 · 0 评论 -
科大讯飞 - 基于论文摘要的文本分类与关键词抽取挑战赛(DataWhale-Camp)
一、赛事背景医学领域的文献库中蕴含了丰富的疾病诊断和治疗信息,如何高效地从海量文献中提取关键信息,进行疾病诊断和治疗推荐,对于临床医生和研究人员具有重要意义。二、赛事任务本任务分为两个子任务:机器通过对论文摘要等信息的理解,判断该论文是否属于医学领域的文献。提取出该论文关键词。任务1示例:输入:论文信息,格式如下:Inflammatory Breast Cancer: What to Know About This Unique, Aggressive Breast Cance原创 2023-08-01 00:11:07 · 435 阅读 · 0 评论 -
ChatGPT 原理与核心技术介绍(自然语言处理NLP的发展与Transformer的概念)
ChatGPT 原理与核心技术介绍(自然语言处理NLP的发展与Transformer的概念)1、定义:ChatGPT与自然语言处理NLP1.1 图灵测试1.2 建模形式(多轮历史对话原理)1.3 NLP 的发展历程(规则->统计->强化学习)1.4 NLP 技术的发展脉络1.5 ChatGPT 的神经网络结构 Transformer总结原创 2023-06-03 15:33:14 · 2751 阅读 · 0 评论 -
python库,科学计算与数据可视化基础,知识笔记(numpy+matplotlib)
python库,科学计算与数据可视化基础(numpy+matplotlib)1、numpyndarray对象,数组指定形状创建(要会)数组的索引,切片与遍历(要会)数组的相加,转置,展开(要会)数组元素增删改查(最好会)numpy字符串与位运算数学,统计函数,算数运算(重要)排序,搜索,最大100个索引(好用)矩阵库,线性代数(非常好用)文件读写(最好会)2、matplotlib第一个图与第2个图(要会)figure, axes 对象与subplot,与for循环绘图(好用)网格,原创 2023-05-04 21:13:23 · 798 阅读 · 0 评论 -
win10部署NovelAI绘画,Stable Diffusion,Chilloutmix,实现txt2img,img2img(含调参)
在项目目录models/ldm下手动创建stable-diffusion-v1文件夹,用来存放下载好的权重文件,即需要把下载文件夹里的sd-v1-4.ckpt文件改名为model.ckpt,然后粘贴到手动创建的stable-diffusion-v1文件夹下即可。模型可以在网上资源贴中下载合适的模型(.ckpt),放到models\Stable-diffusion里。Github下载star最多的stable-diffusion-webui项目(自带图形化包)然后我们再换用常用的3D模型生成一些图。原创 2023-03-16 11:55:41 · 2991 阅读 · 1 评论 -
2023美国大学生数学建模竞赛E题思路
确定光污染的级别,则需要对不同地区进行评价(建议对全球各国进行评价,相比只有一个国家的数据而言,这种更具有代表性,在此体现出广泛适用),各种评价算法,如层次分析、熵权法和TOPSIS法等,也可以进行组合使用(没有最好的方法,只有最好的逻辑),之后进行分级处理,分级处理可以使用数据编码、三分位数划分等,或者是自己定义划分原则,在此基础上进行划分。层次分析是最好用的,这一问的处理可以圆滑一点,尤其是描述结果的时候,除分析结果之外,要会说,要侧面体现指标体系的合理性,所有的分析,都要体现这一点。原创 2023-03-08 18:27:22 · 811 阅读 · 0 评论 -
python自动化与文档处理(word, excel, html)3个小程序
2、excel处理后得到重命名.bat,运行即可重命名。附:手动word复制粘贴到txt,替换规则。1、先新建bat得到当前目录所有文件名。3、将word表格导出到excel。原创 2023-02-10 15:09:37 · 826 阅读 · 0 评论 -
关于OIerDB部署与迁移到ACM的一些笔记
目标格式为:ACMDb-data-generator的相关格式。项目主要基于Typescript,环境为node和yarn。都在src,pages里,稍微学了一点点ts和react语法。新增public中的文件夹,编译前将编译好的数据文件导入。核心部分,pandas数据处理。本项目主要基于python。修改数据来源为本地数据。其他网页的部分看着改。原创 2022-11-15 23:16:50 · 5181 阅读 · 2 评论 -
【牛客编程题】python数据分析49题(pandas库的使用)
在 Python 自带的科学计算库中,Pandas 模块是最适于数据科学相关操作的工具。它与 Scikit-learn 两个模块几乎提供了数据科学家所需的全部工具。DataFrame。其他适用的数据类型有:Series,CSV,JSON参考资料:部分常用函数。......原创 2022-08-13 16:56:58 · 1380 阅读 · 0 评论 -
【牛客编程题】Python机器学习(入门例题5题)
牛客编程题】Python机器学习(入门例题5题)做题链接httpspage=1&tab=Python篇&topicId=329。原创 2022-07-26 20:23:57 · 1226 阅读 · 0 评论 -
数学建模相关竞赛零基础上手与入门介绍
什么是数学建模?生活中的各种问题(如股票预测、火灾报警统计等),运用数学的方式去阐述并解决它。数学建模赛事数学建模赛事 - 第1梯队高教社杯"全国大学生数学建模竞赛(9月)从各赛区送交的优秀答卷中评选出全国一等、二等奖,获奖比例为全国参赛队数的百分之十左右。美国大学生数学建模竞赛 (2月)O奖(特等奖原创 2023-01-30 16:05:03 · 1001 阅读 · 0 评论 -
机器学习分类问题指标——Accuracy,Precision、Recall、F1,P-R,ROC,AUC(以鸢尾花为例)
F1分数(F1-score)是分类问题的一个衡量指标。一些多分类问题的机器学习竞赛,常常将F1-score作为最终测评的方法。它是精确率和召回率的调和平均数,最大为1,最小为0。在P-R曲线中,横坐标是recall,纵坐标是precision。AUC 即ROC曲线下的面积。那么以维吉尼亚鸢尾为例。ROC和AUC的用处。原创 2022-11-04 12:01:38 · 1927 阅读 · 0 评论 -
【自动驾驶】使用同心区域模型改进地面点云快速分割算法
实现结果在SemanticKITTI和粗糙地形数据集上进行了验证,与最先进的方法相比,我们提出的方法具有良好的性能,在最靠近车的Z1,利用传感器高度来决定初始点,越离车远,传感器高度值要乘以一个系数。然后在区域内进行平面拟合,来估计每个bin的地面。最后,通过垂直度、高度、平整度三个特征,来进行二分类,使得所有的bin集合成整个路面。,距离原点越近区域面积越小,文章利用min和max值和特定公式进行分区。然后,每个区域找地面,然后地面再拼接在一起。2、提取程序1中的分割部分,与程序3融合。原创 2022-11-01 21:10:07 · 1337 阅读 · 0 评论 -
【自动驾驶】自动驾驶感知系统与关键技术介绍
自动驾驶汽车,又称无人驾驶车、电脑驾驶车、无人车、自驾车,为一种需要驾驶员辅助或者完全不需操控的车辆。作为自动化载具,自动驾驶汽车可以不需要人类操作即能感知其环境及导航。上述定义里有两个关键词。首先是感知环境和导航,也就是说自动驾驶汽车可以自主的采集和理解周边环境信息,并根据设定的目的地进行决策和行进。然后是需要驾驶员辅助或者完全不需操控。关于不需要驾驶员操纵,有个SAE(美国汽车工程师学会)制定的自动驾驶系统标准。一般来说,自动驾驶系统包含感知,决策和控制这三个主要模块。原创 2022-11-01 20:22:39 · 2925 阅读 · 0 评论 -
Python 修改 pip 源为国内源(本地文件全局换源,Pycharm2022.1配置py仓库源)
文章目录1 pip换国内源2 pip包管理命令3 Pycharm 2022.1配置py包管理源1 pip换国内源国内最好用的五个pypi仓库地址豆瓣(douban) http://pypi.douban.com/simple/ 阿里云 http://mirrors.aliyun.com/pypi/simple/ 清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/ 腾讯云 http://mirrors.cloud.tencent.com/pypi/sim原创 2022-05-09 22:43:23 · 4186 阅读 · 0 评论 -
自然语言处理基础——jieba分词的原理与使用方法
文章目录1 什么是jieba1 什么是jieba自然语言处理,特别是中文处理中,最好用的分词组件。开源项目:https://github.com/fxsjy/jieba原创 2022-05-08 10:46:52 · 5490 阅读 · 0 评论 -
生成对抗网络 GAN 基本原理与发展历程
1、什么是GAN2、GAN的发展原创 2022-02-13 14:51:18 · 4009 阅读 · 0 评论 -
Kaggle入门预测赛,手写数字识别Digit Recognizer,使用Kaggle kernel作答,F=0.98
1、问题和描述直接在kaggle左边的competition竞赛中搜索Digit Recognizer即可进入赛题页面:https://www.kaggle.com/c/digit-recognizer/overview/description这是一个预测练习赛,题目为识别数字0~9的。Overview是比赛的描述,说明参赛者需要解决的问题。Data是数据下载,参赛者用这些数据来训练自己的模型,得出结果,数据一般都是以csv格式给出。train.csv是训练样本,test.csv是测试原创 2022-01-26 13:20:23 · 2653 阅读 · 0 评论 -
Kaggle 比赛分类与学习资源整理
1、竞赛Kaggle 竞赛主要分成以下几个类别。1、 入门比赛 Getting Started入门比赛 Getting Started 给萌新们一个试水的机会,没有奖金,但有非常多的前辈经验可供学习。很久以前Kaggle这个栏目名称是101的时候,比赛题目还很多,但是现在只保留了4个最经典的入门竞赛:手写数字识别、沉船事故幸存估计、脸部识别、Julia语言入门。2、训练场 Playground训练场 Playground里的题目以有趣为主,比如猫狗照片分类的问题。现在这个分类下的题目不算多,但原创 2022-01-26 14:42:45 · 2139 阅读 · 0 评论 -
阿里云天池 学习赛汇总(教学赛,零基础入门,长期赛)
【教学赛】数据分析达人赛1:用户情感可视化分析【教学赛】数据分析达人赛2:产品关联分析【教学赛】数据分析达人赛3:汽车产品聚类分析零基础入门语音识别-食物声音识别零基础入门数据挖掘-心跳信号分类预测零基础入门语义分割-地表建筑物识别零基础入门数据分析-学术前沿趋势分析零基础入门Docker-cuda练习场【免费GPU】零基础入门推荐系统 - 新闻推荐零基础入门金融风控-贷款违约预测零基础入门NLP - 新闻文本分类零基础入门CV - 街景字符编码识别零基础入门数据挖掘 - 二手车交易原创 2022-01-26 10:39:27 · 3466 阅读 · 0 评论 -
阿里云天池 天池实验室DSW探索者版 免费GPU 天池notebook教程
1、DSW教程点击天池notebook,进入我的实验室选择一个私有项目,点击编辑集成机器学习PAI DSW(DataScienceWorkshop)探索者版开发环境左边文件管理,中间工作区,右边是计算资源。在文件资源管理区的顶部还有4个按钮,从左到右分别对应的是:打开DSW Launcher启动器,新建文件夹,上传文件以及刷新当前文件夹。文件夹左侧的一栏,从上到下依次代表牌:文件资源管理器,切换数据源,正在运行的notebook,命令面板,notebook设置,工作区当前打开的项目,拓展原创 2022-01-23 17:17:00 · 8069 阅读 · 4 评论 -
阿里云天池 零基础入门NLP - 新闻文本分类 2种做法,F1=0.87
1、赛题理解数据集:在NLP_data_list_0715.csv中,有三个链接。分别可以下载训练集,测试集A,测试样例。f1_score介绍:F1分数(F1-score)是分类问题的一个衡量指标 。一些多分类问题的机器学习竞赛,常常将F1-score作为最终测评的方法。它是精确率和召回率的调和平均数,最大为1,最小为0。不太明白,按照字符级别进行了匿名处理是什么意思?先用panda读一下数据。2、数据分析(数据探索 EDA)句子长度分析新原创 2022-01-23 12:19:28 · 2277 阅读 · 0 评论 -
Jupyter notebook基础教程(启动,汉化,操作)
1、启动进入需要启动的目录,shift+右键启动终端然后在终端中输入命令即可启动jupyter到当前目录(通过终端的链接访问程序)jupyter notebookjupyter notebook --port 9999 # 指定端口启动jupyter notebook --no-browser # 启动但不打开浏览器2、汉化进入高级系统设置,新建用户的环境变量变量名为:LANG 变量值:zh_CN.UTF8重新打开即为中文3、笔记本操作笔记本由单元格组成,点+可以新建单元原创 2022-01-23 10:29:21 · 8427 阅读 · 0 评论 -
什么是CUDA和CUDNN?——GeForce NVIDIA显卡用于深度学习计算的GPU加速工具
1、什么是CUDA?CUDA的概念统一计算架构CUDA(Compute Unified Device Architecture)是为了让nvidia gpu可以完成通用计算任务的一种集成技术 ,通常可以使用的cuda框架有c,c++,fortran,python,java的,可以为数据大吞吐量的工作提供很好的加速功能。CUDA包括驱动,sdk,toolkit等。主要是用来进行计算加速,作为协处理器来进行使用 。同时cuda有很多的库 ,如cublas,cufft等计算库,在用于科学计算和人工智能领域原创 2021-10-24 19:57:12 · 7987 阅读 · 0 评论 -
keras库的安装及使用,以全连接层和手写数字识别MNIST为例
1、什么是keras什么是keras?keras以TensorFlow和Theano作为后端封装,是一个专门用于深度学习的python模块。包含了全连接层,卷积层,池化层,循环层,嵌入层等等等,常见的深度学习模型。包含用于定义损失函数的Losses,用于训练模型的Optimizers,评估模型的Metrics,定义激活函数的Activations,防止过拟合的Regularizers等功能keras不需要了解太多理论知识,可以直接使用模型,新手入门十分友好。如何安装keras?你可以直接原创 2021-10-24 16:54:03 · 8297 阅读 · 0 评论 -
快速掌握 深度学习(Deep Learning) 常用概念术语,常用模型
1、什么是深度学习?深度学习的概念:深度学习是机器学习的一个分支,深度学习是使用了深度神经网络的机器学习 。所以深度学习=深度神经网络+机器学习。神经网络,也叫作人工神经网络 。是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技术。深度神经网络通常指的是使用了两层或两层以上隐藏层 的神经网络。以人脸识别为例 ,输入的数据是图片像素的RGB值,经过一层抽象以后,可以获得一些局部的边缘特征,经过两层抽象后,可以获得眼睛鼻子嘴巴等有意义的区域特征,经过三层抽象后,可以获取和人脸有关的整体特征原创 2021-10-24 15:08:16 · 1782 阅读 · 0 评论 -
scikit-learn库的安装及使用,以支持向量机svm为例
1、什么是scikit-learn什么是scikit-learn?scikit-learn的简称是sklearn,是一个专门用于机器学习的python模块。包含了分类,回归,无监督,数据降维,数据预处理等等,常见的大部分机器学习方法sklearn有着强大数据库,很多数据,可以直接拿来使用。鸢尾花数据集,波士顿房价等等如何安装scikit-learn?你可以直接使用pip安装它pip install scikit-learn -i http://pypi.douban.com/simpl原创 2021-10-23 23:40:24 · 2590 阅读 · 0 评论 -
快速掌握 机器学习(Machine Learning) 常用概念术语,常用算法
1、什么是机器学习?机器学习的概念:传统上如果我们想让计算机工作,我们给它一串指令,然后它遵照这个指令一步步执行下去。有因有果,非常明确。这样的方式计算机是无法执行固定流程之外的东西的 。但是现实生活中,有很多无法被量化的东西,比如约会的时候要不要提前到,西瓜是否好吃,要不要录用一个人,人类在做事情的时候,解决问题的时候,大多数是懂得变通,不会那么死板的 。那么一个人是如何实现变通的呢?答案就是学习。维基百科对学习的定义是:学习是通过外界教授或从自身经验提高能力的过程。 所以人在解决问题的过程中,原创 2021-10-20 20:56:59 · 857 阅读 · 0 评论 -
Anaconda和conda——关于python的数据科学开发环境,数据科学必备的十大Python库
1、什么是anaconda?Anaconda是一个免费开源的Python和R语言的发行版本如果把Python类比成Linux,那么Anaconda就是centos、ubuntu。换句话说,Anaconda就是一个整合了python及一系列pip包的第三方软件,类似于Web开发的LNMP一键安装之类的Anaconda主要用于计算科学(数据科学、机器学习、大数据处理和预测分析)它支持 Linux、Mac、Windows系统,可用超过600个python数据科学库(约 500 MB)Ana原创 2021-10-18 00:56:09 · 3585 阅读 · 0 评论 -
Python3.8 安装gmpy2 教程, 无法安装gmpy2解决方案
什么是gmpy2?gmpy2是一个Python扩展模块,是对GMP的封装,它的前身是gmpy。GMP(GNU Multiple Precision Arithmetic Library,即GNU高精度算术运算库),它是一个开源的高精度运算库,其中不但有普通的整数、实数、浮点数的高精度运算,还有随机数生成,尤其是提供了非常完备的数论中的运算接口,比如Miller-Rabin素数测试算法、大素数生成、欧几里德算法、求域中元素的逆、Jacobi符号、legendre符号等。1、Problem一般情况下.原创 2021-10-17 23:37:50 · 2968 阅读 · 2 评论