自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(29)
  • 收藏
  • 关注

原创 edurag项目讲解

将输入的query进行向量化(必须使用和构建数据库时相同的embedding模型,bge-m3),对向量数据库中的子向量进行检索(这里需要指定metric-type,需要和构建索引时的参数保持一致),参数设置方面传入limit=k以及检索字段,这里使用bge-reranker进行混合检索,分别检索稠密向量和稀疏向量;向量数据库中应当包含以下主要字段:id序号,子块内容,唯一标识(哈希),子块向量(稀疏向量/稠密向量),原数据(父块id/父块内容/文件来源/对应页码等);

2026-06-27 17:40:45 433 1

原创 模型压缩_量化

对于量化感知训练而言,他的目的不是将模型进行量化,而是通过引入量化损失来提升后续模型量化的鲁棒性;而对于静态PTQ而言,这个scale是提前计算好的,具体的流程是,选出一批代表性数据,在原FP32模型上跑一轮forward,得到该代表性数据的统计特征,静态PTQ会根据这些统计特征计算scale并冻结他,后续推理过程中使用的scale不会再改变,静态PTQ的本质是使用一小批的数据来估计整体的分布,然后再用这个估计去代替真实分布(具体流程:data → 统计分布 → scale固定);权重量化(INT8)

2026-06-04 17:07:24 199 1

原创 大模型基础.RAG概念

场景:用户问“这份报告讲了哪三个重点?扩展点:无论你怎么切块,模型可能都无法通过单块文本回答宏观问题。进阶做法是:对每个长文档或大段落先生成一个Summary(摘要),并将摘要向量化。检索时先匹配摘要,再进入具体的 Chunk。

2026-05-07 20:13:04 382

原创 力扣72.编辑距离

此处的dp[i][j]表示word1[:i]转变为word2[:j]所需要的最少操作数,与1143有所不同的是,我们在初始化dp[0][j]和dp[i][0]时需要注意到这是一个+1递增的序列(其中一个word为空,另一个需要执行删除/插入操作来进行转换,不同于1143的初始化最长公共子序列全为0);当word1[i-1]!=word2[j-1]时,我们需要从[左上方dp[i-1][j-1],左侧dp[i][j-1],上方dp[i-1][j]]中选择一个最小值,进行+1传播(覆盖修改/删除/插入操作)

2026-04-23 11:40:49 163

原创 力扣1143.最长公共子序列

在从左往右遍历的过程中,dp[i-1][j](上方),dp[i][j-1](左侧)都可以轻易取得(直接获取dp[j-1]和尚未更新的dp[j]),但是左侧dp[j-1]的更新会覆盖掉我们需要的dp[i-1][j-1],所以这里需要使用一个临时变量pre_left_up来保存左上方的值(在当前dp[j]更新前就要取得,提供给下一个dp[j+1]使用);事实上当前dp[i][j]的依赖元素有三个:dp[i-1][j-1](左上角),dp[i-1][j](上方),dp[i][j-1](左侧);

2026-04-22 23:27:22 180

原创 python.redis基础

和MySQL(关系型数据库代表)相比,redis(非关系型数据库)的优势在于对数据的读写,牺牲空间换时间,在内存中直接对数据进行操作,也支持把数据保存到磁盘,长期化管理;

2026-04-18 15:39:40 396

原创 大模型 提示词工程进阶

Prompt 4:“结合前面的技术横评和用户痛点分析 [注入前三步的所有精华内容],为一家准备进入该领域的新型科技公司写一份 500 字的战略切入建议。最终输出:得到一份逻辑严密、数据支撑扎实、且经过多轮“质检”的高质量报告。

2026-04-16 20:44:40 457

原创 大模型.ReAct机制

把该轮的对话结果整合/压缩为一句话(summary)再添加到context中,避免原始信息(TAO)过多导致context迅速增长;这里要讲几种主流的压缩方式:1.全量压缩:在不改变原TAO内容的情况下,在每次的TAO结束并更新之后对已有的所有TAO内容进行总结和压缩;每次总结压缩的原文本都在增长;summary = LLM(全部历史context)context = [summary] (当前轮次用的context)成本极高每次都喂全部上下文给 LLM信息不断丢失(信息熵递减)

2026-04-15 16:44:05 415

原创 力扣79.单词搜索

为了判断图中是否有连贯的目标字符串,我们需要先找到头部字符再开始dfs;因为每个位置的元素只能使用一次,在这里构建了一个visited数组来标记该节点是否被访问(往深处找不到时再回溯visited为0);优化:搜索的过程中只要找到一个匹配结果,则后续所有搜索直接跳过。单词必须按照字母顺序,通过相邻的单元格内的字母构成,其中“相邻”单元格是那些水平相邻或垂直相邻的单元格。同一个单元格内的字母不允许被重复使用。你可以使用搜索剪枝的技术来优化解决方案,使其在。更大的情况下可以更快解决问题?

2026-04-15 10:52:05 37

原创 力扣.39 组合综合

2.dfs回溯:每次递归从candidates中选数(允许复用,但是只能复用当前位置的元素,避免元素顺序混乱带来的重复,如[2,2,3]和[2,3,2],因此限定选数范围在[当前元素,candidates最右端元素],避免“往前选择”,保证左侧元素被“越过”后不会再次“出现”在组合的右侧);题目中的所有元素都是可复用的,并且每个组合总和的结果可以通过前置的组合数得到,具体迭代为:dp[sum] = dp[sum-num],需要注意的这一迭代是需要执行n次的(n =7 也是一个候选, 7 = 7。

2026-04-14 22:20:48 38

原创 python函数对象创建机制,递归调用,闭包

当outer函数对象被调用的时候,他创建了一个栈帧(环境),并执行了内部的def inner(),(重点)正是这一def操作创建了一个inner()函数对象并放到了内存中,同时python编译器发现outer栈帧中的变量被他的内层函数inner()引用了(编译阶段打上的标记起作用了),因此inner()被识别为一个闭包函数__closure__,Python 会在outer的栈帧里创建一个。递归函数是层层递进的,因此执行递归函数时往往会有多个栈帧被创建、压入栈,随着递归的结束退出,栈帧逐个被弹出、销毁;

2026-04-13 21:26:17 215

原创 大模型基础1.提示词工程

在讲提示词工程之前,有一个前置问题:大模型幻觉问题大模型幻觉问题分为两类:事实性幻觉和忠实性幻觉;前者相当于‘乱讲话’,给了假数据;后者相当于‘不听话’,违背提示词要求。

2026-04-13 20:34:58 383

原创 Linux基础命令

操作前需要下载VMware & Finalshell;本篇简单讲一下Linux的基本操作命令;首先是格式:说明: - command : 命令名, 相应功能的英文单词或单词的缩写- [-options] : 选项, 可用来对命令进行控制, 也可以省略(例如ls中的 -a -l -h)- parameter : 传给命令的参数, 可以是 零个、一个 或者 多个(可以把他当成就是Linux中的文件路径or文件夹路径)四大命令(command):ls,cd,pwd,clear;

2026-04-11 20:05:10 376

原创 python数据分析

关于python数据分析,这里提三个最常用的库:numpy,pandas,matplotlib简单讲一下:numpy:用于科学计算的库;矩阵运算/线性代数运算/傅里叶变换等,提供多维数组的运算服务,可以直接读硬盘上的数据pandas:提供数据结构的库;核心结构:Series(一维),DataFrame(二维,比较常用);多用于数据清洗,数据格式转化matplotlib:提供数据可视化功能;包含多种类型的作图样式;提供了一整套和MATLAB类似的绘图API,非常适合交互式绘图。

2026-04-11 15:26:52 384

原创 python.pymysql基础

讲一下pymysql的具体使用,在此之前默认大家会写sql语句。DDL: 数据定义语言:简称DDL(Data Definition Language) 作用: 用来定义数据库对象:数据库,表,列/字段等。关键字: create,drop,alter等 DML: 数据操作语言:简称DML(Data Manipulation Language) 作用:用来对数据库中表的记录进行更新。

2026-04-09 21:19:05 209

原创 力扣98.验证二叉搜索树

因此为了充分利用这一特性,我们在curr的前驱的右节点(原本为空)中存放curr的地址作为一个临时的节点(这一操作在第一次访问curr的时候完成),当我们再次访问到curr的前驱并且发现前驱右节点已经被标记时,证明curr的左子树已经完成了遍历;对于中序遍历,当我们遍历到curr节点时,需要先将左子树全部输出后才能输出curr和右子树,而左子树输出完成的标志恰好是curr的前驱完成了输出(curr左子树的最右节点);根节点的值是 5 ,但是右子节点的值是 4。输出curr,并把curr移动到右节点;

2026-04-07 16:23:54 52

原创 python_正则表达式

首先:正则表达式,用于提取符合表达式格式的字符串;正则在多种语言中都是通用的,在超长文本字符串的特定字符串提取任务中,使用正则效率会高很多;python中,字符串的匹配和提取要用到库:reimport rere库中有几个重要的方法:re.match() #从匹配串的头部开始匹配,返回符合目标串的第一个串re.fullmatch() #当且仅当匹配串从头到尾都符合目标串时,返回目标串re.search() #在匹配串找出第一个和目标串符合的子串。

2026-04-07 08:38:46 352

原创 力扣101.对称二叉树

1.使用递归往左右量方向检查,访问镜像位置的节点,检查两个节点的.val是否相等(或者是否为None),只要找到一个为False直接返回。2.使用bfs+回文哈希检查每一层(需要包含空节点);图上直观,但消耗太多空间。你可以运用递归和迭代两种方法解决这个问题吗?给你一个二叉树的根节点。, 检查它是否轴对称。

2026-04-06 20:26:30 52

原创 python多任务编程补充_GIL_互斥锁

因此我们使用互斥锁来保证当其中一个线程对g_sum进行操作时,其余的线程只能等待不能操作g_sum,知道当前轮次对g_sum的操作完成了,再释放互斥锁,有下一个获得互斥锁的线程进行操作。但是因为没有限制对g_sum的访问,假设func1在写回前func2又读取了g_sum的值,这一+1操作将会‘作废’,因为func2拿到的并不是func1修改好的g_sum,而是func1修改前的g_sum;+1操作的过程有三步骤:读取内存中g_sum的值,进行g_sum+=1操作,将g_sum写回内存中;

2026-04-06 20:04:04 35

原创 力扣148.排序链表

每一次递归操作将链表分割后,需要进行排序操作,也就是‘并’,这一操作从递归的最底层开始(也就是将子链分到只有一个节点长度的时候,此时两个子链都是有序的),定义merge()函数,将两个子链由小到大拼接后返回成品链的头节点(这里使用了一个临时的替身节点,逐个将两个子链头部中的较小值拼到temp.next中);看到logn相关,思想上往二分的方向去靠,由此考虑使用归并排序的思想;一层层往上返回(自下而上,最底层子链长度为1,往上子链长度为2,再往上子链长度为4...)最终得到排序好的链表。

2026-04-05 22:06:10 31

原创 python多任务编程

协程让 I/O 等待时不闲着,去干其他事!await将func1任务挂起后(需要等待1.5s,状态为pending),事件循环会找到下一个任务func2,再将其挂起(等待2.5s,状态为pending);然后事件循环会不断的询问列表里的任务(看看谁完成了),1.5s后func1完成(状态变为ready),事件循环发现了func1(ready)于是把他压入栈帧里面执行(从await那一行开始往后执行);

2026-04-04 21:52:28 403

原创 python网络编程基础

网络编程:通常来说就是基于网络通信的软件or程序几个重要的概念:1.IP:网络设备的唯一标识,用于在网络中找到要传输/接收数据的特定对象2.端口(端口号):网络设备上运行着多个软件/程序,每个程序都有一个对应的端口,找到对应的的端口可以和对应的程序进行交互流程:在网络中通过IP找到特定的网络设备,再通过特定的端口号找到特定的软件/程序,进行连接/网络通信补充内容:IP地址一共有4位,第1位,1~223,第234位,0~255注意事项:① IP地址分为两类 : IPv4和IPv6。

2026-04-04 12:00:36 386

原创 力扣238.除了自身以外的数组乘积

定义left,right数组,记录当前位置左侧/右侧的乘积(不包括当前位置的值)的额外空间复杂度内完成这个题目吗?( 出于对空间复杂度分析的目的,输出数组。之中任意元素的全部前缀元素和后缀的乘积都在。之外其余各元素的乘积。时间复杂度内完成此题。

2026-04-03 09:21:56 23

原创 力扣53.最大子数组和

result = max((result,item-min_front_sum,item)),实时更新前i位的子串中能得到的最大值。result = max(已记录最大值,前i位前缀和-前i位中的最小前缀和,前i位前缀和),请你找出一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。连续子数组 [4,-1,2,1] 的和最大,为 6。的解法,尝试使用更为精妙的。是数组中的一个连续部分。如果你已经实现复杂度为。

2026-04-03 09:16:07 19

原创 力扣76.最小覆盖字串

题目中允许字串中的字符频率>=目标串t的字符频率,在向右扩展的同时为尝试缩短字符串长度,判断窗口左端的字符频率是否大于目标串t的所需频率,大于则弹出,(在字串第一次与目标串t匹配后)该步骤始终保证窗口内字串与目标串t匹配。思路:使用滑动窗口+字符频率数组计算curr_count(当前满足频率需求的字符个数),当curr_count==required__count时,窗口内字串与目标串t匹配;最小覆盖子串 "BANC" 包含来自字符串 t 的 'A'、'B' 和 'C'。如果没有这样的子串,返回空字符串。

2026-04-02 09:02:39 44

原创 力扣239.滑动窗口最大值

的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的。滑动窗口的位置 最大值。滑动窗口每次只向右移动一位。

2026-04-01 10:43:19 21

原创 力扣438.找到字符串中所有字母异位词

起始索引等于 0 的子串是 "cba", 它是 "abc" 的异位词。起始索引等于 6 的子串是 "bac", 它是 "abc" 的异位词。使用滑动窗口<List>维护当前串的字符频次,与匹配串的字符频次对比。起始索引等于 0 的子串是 "ab", 它是 "ab" 的异位词。起始索引等于 1 的子串是 "ba", 它是 "ab" 的异位词。起始索引等于 2 的子串是 "ab", 它是 "ab" 的异位词。的子串,返回这些子串的起始索引。左右指针更新窗口内的字符频次,右指针控制循环结束。

2026-04-01 09:24:26 29

原创 力扣283.移动零

移动到数组的末尾,同时保持非零元素的相对顺序。,必须在不复制数组的情况下原地对数组进行操作。,编写一个函数将所有。

2026-03-31 18:15:54 23

原创 力扣49.字母异位词分组_python

给你一个字符串数组,请你将 字母异位词 组合在一起。可以按任意顺序返回结果列表。1.字母异位词的字母出现频率相同,提取字母出现频率作为唯一key。2.使用 频次数组/字典 记录字母频次 此处使用数组。3.将频次数组转为元组(不可变对象),作为唯一标识。

2026-03-31 17:03:02 36

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

提示
确定要删除当前文章?
取消 删除