- 博客(47)
- 收藏
- 关注
RSS订阅原创 三、哈希表（2）
法三：defaultdict 是 collections 模块中的一个类，用于提供一个默认值。如果尝试访问不存在的键，它会自动创建该键并赋予默认值。if elif else才是完整3部分的结构，如果2个if +一个 else则类似满足条件则进去+一个2部分结构。剪枝：>target是不对的 因为负数+负数可以变小，当num[a]正数， target也是正数，才可以剪枝。a 那层循环要剪枝去重，b那层也要剪枝去重（这部分就是3数之和）时间复杂度: O(n^2)空间复杂度: O(n^2)空间复杂度: O(1)
2024-07-24 17:43:44
217
原创 四、字符串（1）
python中str和int都是不可变的类型，修改值之后其实得到的是新地址的新对象，而不是原来的对象，不像字典 列表 集合。用enumerate+字符串连接（反正是新开一个），直接得到对应位置s。元组虽然不可以通过下标修改，但是元素可以是可变变量，比如元素是列表。如果不是字符列表而是string，整体反转字符串。string超出下标边界也没有关系，列表就不行。步长其实可以是2k去循环，不用先算出来。不用额外空间 空间复杂度O(1)字符串类似数组，属于字符数组。
2024-07-24 15:52:32
605
原创 三、哈希表（1）
ord()返回单个字符对应的 Unicode 编码,用数组，索引可以用a~z的 ASCII 值，字符减去a,用两个数组可以优化成一个数组，先加计算s的，再减去t的，看是否等于0,看是否是空数组 生成器+all, 类似的还有any(),(是否有true) filter()（找出所有true的元素，常与lamba连用）找到了一个数，要看他的搭子有没有出现过，(在一些数中找一个数sum-num有没有)看有咩有出现过就用哈希表的方法。集合里，如果枚举查找，需要O(n),哈希表索引查找，只要O(1)。
2024-07-23 15:15:08
992
原创 二、链表（2）
快指针速度是慢指针的两倍，环长为b，前面直的部分长度为a，当慢指针到达入环的节点时，（走了一段直a）快指针的路径是他的两倍，（在环里走了a），实。接下来他们的速度差还是两倍，快的在前面，慢的在后面，两个的距离越来越大，慢的看做静止，快的相对于慢的走b-a次就能追上慢的，此时慢的也走了b-a次。相交部分长度c,走完a，再走一段b-c，就到了相交的head，对于b,走完b再走一段a-c，也到了相交的head，两个走的长度都一样，如果==就返回，（这个可能是Head也可能没有相交就纯None。
2024-07-22 21:05:25
330
原创 二、链表（1）
需要3个变量，除了pre cur还有nxt保存当前的下一个（不然当前翻转完找不到下一个了）创建一个虚拟哨兵头节点，就不用考虑原本头结点要不要删除。
2024-07-22 00:19:34
183
原创 一、数组（2）
当右端点移动到的区间和大于等于t时，记录区间长度，更新ans和左端点，可是左端点可能不止移动一次，所以左端点是while。定义长为n列表，要[None]*n 列表推导式，每个元素是none,而不是 [ ]*n,这个是对空列表重复n次，最终还是空列表。遍历的边界不断在变，分为l , r, u, d, 当上面一行遍历填充好[l,r],u就下移，以此类推，循环的条件是cnt
2024-07-20 17:50:44
258
原创 异步编程 进程 线程 协程(补充
进程：适用于需要完全隔离的任务，适合多核CPU。线程：适用于需要并发执行的任务，适合I/O密集型任务。协程：适用于异步I/O操作，具有更高效的资源利用。异步编程：通过不阻塞的方式处理I/O操作，提高程序响应速度和资源利用率。不同的编程模型和机制有各自的优缺点，选择合适的方式取决于具体的应用场景和需求。
2024-07-18 15:07:43
308
原创 python装饰器
装饰器是一种强大的工具，能够在不修改原始函数代码的情况下添加或修改功能。它们在代码重用、功能增强和保持代码简洁方面非常有用。内置装饰器如@property和@dataclass提供了特定的功能，帮助开发者更方便地定义和使用类的方法和属性。
2024-07-12 16:30:01
395
原创 两种读取环境变量的方法：os.getenv()和os.environ[]区别
和都用于访问环境变量，但它们在使用上有一些区别。os.environ字典KeyErroros.getenv函数None。
2024-07-12 16:12:50
572
原创 通过 Azure OpenAI 服务使用 GPT-35-Turbo and GPT-4(win版）
Azure OpenAI 是微软提供的一项云服务，旨在将 OpenAI 的先进人工智能模型与 Azure 的基础设施和服务相结合。通过 Azure OpenAI，开发者和企业可以访问 OpenAI 的各种模型，如 GPT-3、Codex 和 DALL-E 等，并将其集成到自己的应用程序和服务中。
2024-07-12 15:54:00
1409
原创 Agent Group复现
3、有且只能有一个top_level script，这个top_level script就是最开始运行的那个脚本（python somefile.py）2）from A import B，先为A创建modules对象，再解析A，从中寻找B，并填充到A的__dict__中。1）import A，先在sys.modules中搜索是否存在A，存在则不加载不存在则先喂A创建module，并加载。= glm即可以在变化的时候停下。温馨提示，token量很大，最好搞的免费额度的。如果没有gpt，可以用其他，例如智谱。
2024-07-11 18:12:45
416
原创 python 笔试面试八股（自用版~）
2猴子补丁（Monkey Patch）和装饰器（Decorator）都是 Python 中用于修改或增强已有对象功能的技术，但它们的用途、实现方式以及适用场景有所不同猴子补丁（Monkey Patch）猴子补丁是在运行时动态地修改类或模块的行为。通过直接修改类或模块的属性，可以添加、修改或删除现有的方法、属性等。猴子补丁的主要优点是可以在不修改原始代码的情况下调整行为，这在调试、测试和扩展第三方库时非常有用。然而，猴子补丁可能导致代码难以维护和理解，因为它改变了对象的内部实现。
2024-07-01 22:23:57
1253
原创 github上传代码
如果远程仓库在创建时勾选了readme，会创建一个main分支，里面有一个空的readme文件。在要上传的本地文件里右键，选择git bash here。
2024-06-25 19:23:57
433
原创 三、知识库搭建
词向量就是把词、句、文段通过向量的形式表示出语义信息。比如猫和狗在向量相似度上就比猫和苹果要近。词向量的优势是可以通过向量存储、相似度语义上的查询（而非关键词搜索）；同时可以将多模态的信息映射成统一的向量形式。langchain内置了llama 千帆等emdedding但并没有包含所有大模型。
2024-06-24 22:58:28
920
原创 二、使用LLM api开发应用
大模型是通过概率预测下一个词的生成来组织输出的，将数值的概率变成最终的字符就是采样策略（也就是选择哪个词作为下一个的输出）。当温度较低时，候选词的概率分布差异大，模型就更容易选择概率较大的值，输出就更稳定，反之，输出就更有创造性。如果任务包含不一定能满足的假设（条件），我们可以告诉模型先检查这些假设，如果不满足，则会指出并停止执行后续的完整流程。system prompt是对大模型基调的定性，在整场回会话任务中规范着模型的输出，一般就只有一个。可以看到，通过分隔符，命令是命令，待处理是待处理，不会混淆。
2024-06-22 21:40:24
668
原创 一、大模型LLM理论简介
大模型是大规模参数和复杂计算结构的模型，参数达到十亿乃至上千亿。当参数变多，模型就会出现涌现能力。GPT系列是OpenAI的大语言模型，采用Transformer模型的编码器，而BERT采用解码器。编码器和解码器的作用编码器：捕捉输入序列的语义信息，通过自注意力层和前馈神经网络层处理输入词汇，以捕捉词汇间的依赖关系和语义信息。解码器：根据编码器的输出和之前的输出生成目标序列，通过自注意力层和前馈神经网络层进行多轮预测，生成新的输出序列。BERT。
2024-06-19 21:28:46
902
原创 3.1订阅智能体
订阅智能体能够在不同的时间里从外界收集信息并对信息总结。对于python工具要简单了解from bs4 import BeautifulSoup #导入 BeautifulSoup# 解析<body>"""# 查找所有的 <a> 标签# 查找 class 为 'title' 的元素# 查找 id 为 'link2' 的元素# 获取元素的文本内容# 获取元素的属性值# 遍历元素的子节点3、trigger() 函数负责定期生成需要发送的消息。
2024-05-28 16:50:18
917
原创 3、单智能体开发
在metagpt看来，agent = LLM+观察+思考+行动+记忆。一个agent启动后会观察获取信息，加入记忆，进行多轮思考和行动后（ReAct）后输出结果。
2024-05-26 22:52:23
228
原创 2、智能体及框架
231，现在的大模型由于是根据上一个词生成下一个词，还停留在直觉性的快思考；通过思维链、reAct、反思等让他具有一定的思考能力。metaGPT同将目标分解，分配给不同的专家完成，增加了可靠性，同时，对于需要交互协作的复杂任务，metaGPT也能解决。所以，可以理解成chatgpt只解决了聊天，而metagpt解决了协作。metagpt是多智能体协作框架，标准化操作，采用结构化流程。通过评审来解决模型幻觉（错误）。思维分为快思考和慢思考，快思考是直觉性思考，例如2。2，慢思考是逻辑性思考，例如1399。
2024-05-26 17:17:29
217
原创 1、metagpt准备工作（安装部署）
报错：error: RPC failed;报错：TypeError: dataclass() got an unexpected keyword argument ‘slots’报错：mportError: cannot import name ‘BaseModel’ from ‘pydantic’python=3.10 一开始装的10，尝试建一个3.9的库。我的路径在如下，而不是进入metagpt。尝试安装最新版本的metagpt。创建虚拟环境、激活、获取。
2024-05-26 16:48:57
410
原创 MetaGPT异步编程基础
是在同一个处理器上，任务交替运行（趁别的任务等待或者IO操作的时候先运行其他任务），某一时刻只有一个任务运行；当 I/O 操作完成时,该协程会被唤醒继续执行，适合于I/O密集型的应用程序，提高并发性能。在异步方法中，顺序调用不代表顺序执行，异步函数返回的是一个异步对象，不会直接执行，添加到asyncio.gather才被调用执行，并发执行这些协程。是在不同处理器上，任务同时运行来减少总时间，某一时刻可以有多个任务在不同的硬件上运行；异步能够同时发起多个网络请求，在等待其中 一个的时候，处理其他请求。
2024-05-25 20:23:09
300
原创 1.6 链表（数组模拟链表）
（这里不能用Idx作为截止条件，因为最增删之后，不知道idx是否还在，所以直接在链表中看,虚拟左端点0的右边就是起始条件，右端点1是终止条件）单链表只能看到后面一个，不能看到前面一个点，所以在o(n)时间复杂度内只能在第k个点后面插入，不能在第k个位置插入。在第2个点后面插入一个值为6的点：e[idx] = 6, ne[idx] = ne[2], ne[2] = idx。第1个点，值 e[1] = 3 指针 ne[1] = 2。第2个点，值 e[2] = 2 指针 ne[2] = 3。
2024-05-15 15:06:11
377
原创 1.5链表（环形链表）
快指针走2步，慢指针一次走一步，那相当于慢指针不动，快指针每次一步靠近慢指针，所以一定会相遇，如果快指针是走3步，相对于慢指针是走2步，可能就会错过。相遇之后，再来两个指针，一个从head出发，一个从相遇点出发，这两个指针一次一步，相遇时即是入口x的位置。次数小于链表长度，快慢指针相遇后，两个index指针走的次数也小于链表长度，总体为走的次数小于 2n。n大于等于1，x = n(y+z)-y = (n-1)(y+z)+z。时间复杂度: O(n)，快慢指针相遇前，指针走的。空间复杂度: O(1)
2024-05-12 14:42:21
145
原创 1.3 链表（删除链表的倒数第 N 个结点）
两个指针fast和 slow，fast先走n步，之后两个一起走。直到fast到达最后一个结点，slow指向待删除的前一个结点。待删除slow->next.需要返回头结点，所以最好还是用虚拟头结点。（不用单独考虑头结点被删）时间复杂度: O(n)空间复杂度: O(1)
2024-05-11 22:25:55
117
2
原创 1.2 链表（两两交换链表中的节点）
1、头处和中间处举例发现操作不一样，增强普适性 2、头结点会变，为了最后直接head = dummyhead->next）力扣24 https://leetcode.cn/problems/swap-nodes-in-pairs/description/1 2 3 4变成2 1 4 3。下一轮，cur要指向第二个位置就是新的1的位置，才能处理下轮的4个，变成 2->1 1->3 dummyhead ->2。加入虚拟头结点之后就发现一共是4个结点之间的关系。时间复杂度：O(n)空间复杂度：O(1)
2024-05-11 22:03:00
159
2
原创 1.1链表（翻转-双指针|递归）
初始化两个指针 cur (head) pre(null),遍历结束的时候pre指向最后一个，cur指向Null,不需要再反转指向啦、tmp临时保存cur的下一个节点，不然先反转cur之后就找不到了。力扣206 https://leetcode.cn/problems/reverse-linked-list/直到有一个return.注意两处reverse传参，思路来自于双指针。时间复杂度: O(n)空间复杂度: O(1)
2024-05-11 20:51:16
192
2
原创 一、链表笔记
口诀：插入先连后再前，删除留前连后后；(插入的时候需要先连后面，把原本的下一个cur->next给newnode->next，再更新cur->next为newnode;删除的时候cur是删除位置index的前一个，删的是cur->next，这样才能把后后的cur->next->next连到cur上,最后delete完手动nullptr一下指针。遍历时得由一个新指针 cur，不然head遍历完找不回头了。链表节点定义。
2024-05-11 16:51:54
313
1
原创 第一模块-图像分类
在ROC曲线中，横轴是假正例率（False Positive Rate, FPR，分母是负样本总数），纵轴是真正例率（True Positive Rate, TPR分母是正样本总数）。Swin :W-MSA，把输入图像分成不同窗口，只在窗口里面计算，所以图片大小变大，计算量只是线性的，但是没有窗口与窗口间的联系，所以引入了滑动窗口（shifted window）精度是对于所有预测为正样本而言的，包括了实际是负样本，错误预测为正样本，召回是针对所有正样本而言的，包括了实际为正样本预测成负样本。
2023-04-28 13:35:35
168
原创 【无标题】
α 是权重因子，一般为1.如果数据集中不同类别样本不均衡，比如数量大的类别（eg1000个）和数量小的类别（eg10个），这样用普通交叉熵模拟下来，模型更倾向于预测数量大的类别，这是因为数量大的对损失函数的贡献大。那么我们将数量少的类别α设置的更大，那就可以平衡不同类别的数量对网络造成的影响，在后续的预测中能够等概率的预测不同类别。下面一个是anchor的参数，A是每个检测位置一共有几个anchor，这里不考虑这个框是属于哪一类，只看它本身的回归参数，所以不是4KA，而是4A，这样减少了计算。
2023-04-27 10:25:30
86
原创 FPN结构详解
backbone是用于提取特征的主干网络，提取目标的位置大小形状等特征，常见的目标检测backbone包括AlexNet、VGG、ResNet、DenseNet、MobileNet等，较深的backbone网络可以提供更好的性能，但也会带来更多的计算成本。FPN通过在backbone网络中增加额外的横向连接和上采样模块，从而产生了一系列具有不同尺度的特征图，并通过自顶向下的路径传递信息，并在不同层次上进行融合，以实现对不同尺度目标的更好表示和检测。的学习笔记哦，真的是位很棒的up，有兴趣的同学可以去看看~
2023-04-22 14:56:45
695
原创 蔚来汽车嵌入式系统面试记录贴
一开始会有一道编程题，我的是字符串翻转，面试官后台可以看到，感觉如果对题意有些不理解可以先实现最简单的功能，比如不知道字符串的长度不妨就设为已知量，等实现了再修改。之后就问了自我介绍，挑了一个项目问了细节，问了C或者C++哪一个比较熟悉，知道C++中多态吗？关于数组和链表的区别？由于本人基础太薄弱了，很多知识都有欠缺，面试官最后给的建议是如果想应聘嵌入式系统工程师，关于数据结构，操作系统需要多了解，C和C++起码有一门需要熟练掌握，后续在这方面的学习也要加强。
2023-04-21 17:00:03
528
原创 卷积神经网络基础
卷积层BP神经网络：BP算法包括信号的前向传播和误差的反向传播两个过程，计算误差输出时由输入到输出两个方向，而调整权值和阈值是输出到输入两个方向。利用BP神经网络训练了LeNet5(CNN面世) （GPU计算速度远大于CPU）
2023-03-30 11:33:29
285
原创 目标检测mAP计算以及coco评价标准
猫这个目标的AP，表中recall与上一行相减、并乘上这一行及以下的precision的最大值，所求乘式依次相加。PR曲线: Precision-Recall曲线（一个不变，另一个越大越好，所以AP肯定越大越好）TP: IoU>0.5的检测框数量（同一Ground Truth只计算一次）（实际真检测真）FP: IoU
2023-03-11 17:07:51
164
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人