- 博客(11)
- 收藏
- 关注
RSS订阅原创 i++ 与 ++i 的区别
摘要：本文分析了i++与++i的核心区别，包括运算顺序（i++先返回值后自增，++i先自增后返回值）和效率差异。对于内置类型，现代编译器会优化未使用的i++返回值；但对于自定义类型，i++需要创建临时对象，性能显著低于++i。建议默认使用++i（尤其循环和迭代器），仅在需要旧值时使用i++。示例代码通过自定义类验证了++i的高效性（快约30%）。核心结论：养成使用++i的习惯能提升代码性能，特别是处理自定义类型时。
2025-12-26 13:52:50
1011
原创 DataWhale AI 冬令营 动手学习ai aiAgent Task3
LearnMate项目通过支付宝百宝箱中的工作流应用实现了高效的学习计划生成、题目自动生成和学习进度跟踪等功能，帮助学生在期末复习过程中更有条理地进行复习。通过不断优化工作流节点设计和结合AI技术，项目将进一步提升个性化学习体验，推动智能学习系统在教育领域的应用与普及。
2024-12-30 21:18:49
363
原创 DataWhale AI 冬令营 动手学习ai aiAgent Task2
在本次学习中，我通过虚拟老师项目深入学习了如何设计和使用有效的Prompt，帮助智能体（Agent）更好地执行任务。尤其是在虚拟老师项目中，精确的Prompt设计使得虚拟老师能够高效、准确地帮助学生解决学习问题，并在复习阶段提供合理的复习规划。未来，我将继续优化Prompt，并探索如何进一步提升虚拟老师的互动性和智能水平，以便为更多学生提供个性化的学习辅导。通过不断修改和优化Prompt，调整语气、风格、输出格式，我确保虚拟老师能够准确理解学生的问题并提供有效的帮助。
2024-12-26 22:24:22
474
原创 DataWhale AI 冬令营 动手学习ai辅助编程 Task2
用户的复习进度需要在系统中实时跟踪，如何将进度信息以清晰的图表展示，是系统开发中的一个挑战。未来，我们计划进一步提升系统的智能化程度，增加更多类型的考试预测和题目生成算法，支持更多的学科和题型。通过不断优化和扩展，期末考试预测系统将成为学生复习过程中的得力助手。，该系统通过上传教师的PPT文件和复习提纲，自动分析提纲中的知识点，并生成相关的复习题目，帮助学生高效备考，提高期末考试的通过率。通过自然语言处理技术，系统能够智能分析教师上传的 PPT 内容，提取出大概率考试的知识点，帮助学生有针对性地进行复习。
2024-12-26 12:11:46
493
原创 DataWhale AI 冬令营 动手学习ai辅助编程 Task1
本次学习活动分为五个主要步骤，旨在通过AI的协作帮助学习者快速完成番茄时钟应用的开发。
2024-12-23 11:20:11
369
原创 datawhale vue3 task1
Vue（发音为 /vjuː/，类似 "view"）是一款用于构建用户界面的渐进式 JavaScript 框架。它通过简洁的编程模型，使得开发人员能够快速构建交互性强的应用。Vue 借鉴了许多其他框架的优秀特性，比如 React 的虚拟 DOM、Angular 的指令系统，同时还保留了其易用性和灵活性，成为前端开发的主流选择之一。虚拟 DOM：减少直接操作 DOM 带来的性能开销。响应式的数据绑定：通过自动化的数据更新，简化了 DOM 和 JavaScript 之间的同步。组件化开发。
2024-10-16 18:28:53
1578
原创 datawhale 聪明办法学python task2
掌握 Python 的基本语法、注释和输入输出操作。理解不同类型的编程错误，并学会识别和修复。熟悉 Python 常用模块和库的导入与使用。
2024-10-15 19:07:13
470
原创 DataWhale 聪明办法学python task3
Python 有丰富的基本和复合数据类型，支持灵活的操作。常量如TrueFalseNone和数学常量帮助我们处理常见的计算场景。运算符的使用方式和数据类型有关，Python 提供了多种运算符和逻辑运算方式。运算符的优先级和结合律影响表达式的计算顺序。浮点数计算存在精度误差，短路求值帮助提高逻辑运算的效率。在判断类型时，使用比直接使用type()更具鲁棒性。
2024-10-15 18:57:14
1804
原创 Qwen2学习笔记1：Qwen2模型原理
自注意力机制通过计算每个 token 对其他 token 的注意力权重，来捕捉序列中不同 token 之间的依赖关系。嵌入层通过查找预定义的嵌入矩阵，找到每个 token 对应的向量。：输出层使用线性层将模型的最后一层隐藏状态转换为目标任务所需的输出，例如生成任务的词汇表分布或者分类任务的分类结果。：将隐藏状态通过线性层映射到词汇表大小的 logits，并计算生成任务中的交叉熵损失。是嵌入向量的初始状态，通过解码层不断提取特征，并逐步更新，直至模型最终输出。来生成每个 token 的新的表示。
2024-09-18 20:28:56
2201
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