- 博客(403)
- 资源 (14)
- 收藏
- 关注
RSS订阅原创 利用DeepSeek辅助编写优化求解Advent of Code 2024第9题 磁盘碎片整理第一部分的python程序
本文提出了一种优化文件块移动校验和计算的Python实现方案。该方案采用不展开块的方法，通过维护块边界列表和文件ID映射，模拟文件块向右填充空闲块的过程。算法关键点包括：1)从左到右顺序处理块；2)逐个填充空闲块时计算校验和；3)增加停止条件防止回绕填充。相比原SQL实现，该方案性能提升显著，运行时间从0.877秒缩短至0.087秒。最终正确计算出6.34万亿的校验和结果，验证了算法的高效性和正确性。
2025-11-24 12:19:33
366
原创 使用DuckDB SQL求解Advent of Code 2023第1题
文章摘要：本文解决Advent of Code 2023第1天的编程挑战，包含两个部分：第一部分通过SQL的translate函数将数字替换为0来定位首尾数字；第二部分处理数字英文单词替换的复杂情况，通过比较替换后字符串的ASCII顺序确定最左单词，再结合翻转字符串技巧处理最右单词。最终方案利用min函数和嵌套替换，成功解决了像"twone"这样的重叠单词问题。代码展示了巧妙的字符串处理和SQL函数组合应用。
2025-11-24 08:55:23
276
原创 利用DeepSeek辅助编写优化求解Advent of Code 2024第9题 磁盘碎片整理第二部分的python程序
本文探讨了一种优化文件移动算法的Python实现方法。通过维护四个数组(fs, fe, ss, se)分别记录文件和空闲区的起止位置，避免动态增删元素。算法采用外循环递减文件ID、内循环递增空闲区ID的方式移动文件，并创新性地利用等差数列求和公式计算校验和。关键优化点包括：1) 限制空闲区搜索范围到文件左侧；2) 建立长度-最左空闲区索引映射(min_space_index)以减少搜索次数。经过多次调试，最终版本通过优化索引更新逻辑，将循环次数从25334129次降至14515次，运行时间从2秒缩短至0.0
2025-11-23 18:47:45
1047
原创 使用DuckDB SQL求解Advent of Code 2024第9题 磁盘碎片整理第二部分
摘要：本文描述了一种改进的磁盘碎片整理方法。与之前移动单个块不同，新方案改为按文件ID递减顺序，将整个文件移动到最左侧足够大的连续空闲空间。每个文件仅移动一次，若左侧空间不足则保留原位。示例显示该方法改变了文件布局并影响了系统性能。最终需要计算采用新方法后文件系统的校验和（示例结果为2858），要求重新计算当前场景下的校验和数值。
2025-11-23 06:39:24
276
原创 通过消除笛卡尔积将求解Advent of Code 2024第9题磁盘碎片整理的SQL提速百倍
本文讨论了处理大字符串输入时遇到的性能问题及解决方案。原SQL代码在处理2万字节的输入时效率低下，因递归CTE无法高效处理大量小迭代。改进方案将字符串转为行数据，利用表关联替换，但15K字符时出现OOM错误。进一步调试发现，对照表生成阶段的笛卡尔积操作导致内存溢出（20K字符串复制20K行产生400M字符）。最终解决方案改用unnest列表操作转行，并添加row_number序号，避免了内存问题。该优化显著提升了大数据量处理的性能。
2025-11-23 06:19:15
658
原创 使用DuckDB SQL求解Advent of Code 2024第9题 磁盘碎片整理
摘要：该谜题要求实现磁盘碎片整理程序。输入是一个数字字符串，交替表示文件块和空闲块长度。需要将文件块从左到右连续排列，消除间隙。然后计算校验和：对每个文件块的位置(从0开始)乘以文件ID求和。例如输入"2333133121414131402"经过整理后校验和为1928。关键是将文件块紧凑排列后，正确计算各文件块位置与ID乘积的总和。
2025-11-22 09:46:51
456
原创 使用DuckDB SQL求解Advent of Code 2024第1题
摘要：本文展示了使用SQL解决两列数据处理问题的两种方法。第一部分通过排序配对计算两列数值差的绝对值之和，使用了分析函数和DuckDB特有的Positional Join两种实现方式。第二部分统计左列数值在右列出现的次数并求加权和，采用了标量子查询和等值连接两种方案。这些SQL解决方案充分利用了排序聚合功能，简洁高效地完成了题目要求的数据处理任务。
2025-11-22 09:28:29
261
原创 解决安卓15下的termux字体变丑问题
新手机安装Termux后字体显示异常，小写字母l宽度异常。尝试更换系统字体无效，搜索发现是Android 13+系统常见问题。通过复制系统字体文件DroidSansMono.ttf到Termux目录（cp /system/fonts/DroidSansMono.ttf ~/.termux/font.ttf）并重启Termux，成功修复字体显示问题。文章还记录了Termux的其他自定义技巧，包括修改终端配色、快捷键设置等，并提醒不同版本插件不可混装。最终以正常字体显示的截图对比验证了解决方案的有效性。
2025-11-21 20:55:00
511
原创 使用DuckDB SQL求解Advent of Code 2024第17题
本文介绍了第17天的谜题"时空计算机"。这台3位计算机包含3个寄存器(A,B,C)和8条指令，每条指令由3位操作码和操作数组成。程序运行时通过指令指针定位指令，操作数分为字面值和组合值两种类型。文章详细说明了8条指令的功能，包括除法运算、位运算、寄存器操作和跳转等，并给出了多个示例演示指令执行效果。最后要求根据给定的初始寄存器值和程序代码，运行程序并收集输出结果，将输出值用逗号连接成字符串作为答案。示例程序"0,1,5,4,3,0"运行后的最终输出为"4,6
2025-11-21 08:26:21
625
原创 使用DuckDB SQL求解Advent of Code 2024第2题
这篇文章介绍了如何识别符合特定条件的安全数列行。判断标准是：行内数字必须单调递增或递减，且相邻数字差值必须在1-3之间。SQL解决方案通过以下步骤实现：1)使用generate_subscripts跟踪数字位置；2)通过lead函数计算相邻差值；3)检查所有差值绝对值是否在1-3范围内且符号一致（通过比较绝对值之和与和的绝对值）。对示例数据的分析结果与预期相符，找出了2个符合条件的安全行。这种基于SQL的分析方法有效实现了数列特征检测需求。
2025-11-20 16:27:14
369
原创 使用DuckDB SQL求解Advent of Code 2024第7题
本文探讨了使用DuckDB处理缺少运算符的数学表达式问题。主要思路是将数字与运算符(+或*)可能组合生成所有可能的表达式，然后筛选出计算结果与目标值匹配的行。文中展示了如何： 将输入文件解析为数字列表 使用位运算生成所有运算符组合 构建对应的数学表达式字符串 尝试用DuckDB的query函数直接计算表达式(但发现不支持变量) 最终采用将表达式拼接为完整SQL语句的方法来批量验证正确性 该方法通过组合生成所有可能的运算顺序，然后批量验证表达式的正确性来解决原始问题。
2025-11-20 13:56:53
316
原创 使用DuckDB 字符串分割函数求解Advent of Code 2024第3题第二部分
本文提出了两种SQL解决方案来处理包含don't()和do()控制开关的字符串计算问题。第一种方法通过插入冗余字符串统一处理流程，先按don't()分割，再按do()分割，从第二个元素开始提取有效计算部分。第二种方法利用行号和位置判断，直接处理原始字符串。两者都通过正则表达式提取mul(x,y)形式的乘数对，最终计算结果乘积的总和。方案一通过添加前缀简化逻辑，方案二则更直接地处理原始数据。
2025-11-19 19:49:00
243
原创 使用DuckDB 正则函数求解Advent of Code 2024第3题
摘要：使用SQL从字符串中提取mul(num1,num2)模式并计算乘积之和。通过正则表达式捕获括号内的两个数字，将结果转换为整数后相乘，最后求和。示例字符串'xmul(2,4)%&mul[3,7]!@^do_not_mul(5,5)+mul(32,64]then(mul(11,8)mul(8,5))'的计算结果为161。实际应用中可将字符串替换为文件读取函数read_text获取输入数据。（97字）
2025-11-19 15:48:36
226
原创 试用oceanbase seekdb
本文介绍了在Python中使用OceanBase的SeekDB嵌入式数据库的实践过程。首先通过pip安装了pyseekdb库，安装过程中自动将numpy从2.3.4降级到1.26.4。然后按照官方文档示例代码创建嵌入式连接，建立支持向量嵌入的collection，添加文档数据时会自动下载86MB的ONNX模型文件。在查询数据时发现文档中的属性名"_id"不正确，实际应为"ids"。最终成功实现了基于语义的向量搜索功能，能返回与查询词相关的文档结果及其相似度分数。整个过
2025-11-18 20:56:48
358
1
原创 DuckDB 宏的两种用法
这篇文章展示了在DuckDB中使用宏的两种方法：1) 将值作为参数传入宏，通过变量传递字符串和字符串列表；2) 将表名作为参数传入宏，支持物理表和CTE虚拟表。第一个示例展示了字符串分解和计算的递归宏，处理了包含180万种可能性的字符串组合。第二个示例演示了如何从CSV文件读取数据并通过宏处理表数据。两种方法都利用了DuckDB的递归CTE和数组处理功能，展示了宏在复杂SQL查询中的灵活应用。
2025-11-18 08:38:25
489
原创 调用python函数的不同方法效率对比测试
本文比较了两种计算字符串组合方式的方法。方法1使用DuckDB自定义函数，通过类型注解简化参数定义，实现了高效计算(0.004秒)。方法2采用传统Python处理，耗时0.312秒，PyPy优化后降至0.089秒。结果表明DuckDB的并行计算优势明显，而Python原生实现较慢，PyPy可显著提升性能。两种方法计算结果一致(950763269786650)，验证了算法的正确性。
2025-11-17 20:07:01
469
原创 利用DuckDB的嵌套递归CTE实现动态规划
本文探讨了在DuckDB中实现Python动态规划算法的转换难点。作者将一个Python字符串分解函数（使用动态规划实现）转换为DuckDB的递归CTE查询，重点解决了三个关键问题：1)处理循环依赖的dp数组更新；2)解决DuckDB索引从1开始与Python从0开始的差异；3)调整循环终止条件。通过实例展示了"bill"和"bike"字符串在不同子串集合下的分解结果，验证了转换的正确性。虽然初步实现了功能，但作者指出该方案尚不支持多行数据处理，需要进一步优化。
2025-11-17 10:59:33
409
原创 利用DuckDB列表一句SQL输出乘法口诀表
本文展示了在DuckDB中使用生成式列表和字符串操作的示例。首先通过[i for i in range(1,a+1)]生成长度递增的数字序列，然后将其转换为乘法表格式的字符串[i||'*'||a||'='||(i*a)]。文章还探讨了类型转换的自动处理，以及如何通过unnest函数将列表值展开为多行记录。虽然尝试使用listagg(unnest())组合失败，但单独使用unnest可成功将列表转换为多行输出。这些操作展示了DuckDB强大的列表处理和字符串拼接能力。
2025-11-16 18:37:09
426
原创 用SQL求解advent of code 2024年23题
摘要：本文介绍了解决Advent of Code 2024年第23天谜题的SQL方法。第一部分要求找出所有三台互连计算机的集合，并统计其中包含至少一台名称以"t"开头的计算机的集合数量。第二部分则寻找最大完全互连的计算机集合，生成按字母排序的密码字符串。解决方法使用了递归CTE和集合运算，通过检查新加入计算机是否与集合中所有现有计算机相连来识别最大完全互连子集。文中提供了两个SQL查询方案，并讨论了使用不同条件检查连接性的效率问题。
2025-11-16 07:37:34
544
原创 利用DeepSeek动态规划求解advent of code 2024年19题
摘要： 本文介绍了Advent of Code第19天的编程挑战"亚麻布陈列"。任务要求使用给定毛巾图案拼接出目标条纹设计，第一部分计算可实现的方案数，第二部分统计所有可能的拼接组合数。作者尝试用SQL解决未果后，转而使用Python实现，提出了动态规划方案判断可行性和计算组合数。算法核心是利用动态规划存储中间结果，优化时通过限制最大子串长度提升效率。文章展示了如何将实际问题转化为字符串组合问题，并提供了完整的Python解决方案。
2025-11-16 07:10:23
694
原创 代码的出现2024年-24日题目《交叉电线》解答
本文介绍了如何使用DuckDB的递归CTE功能解决布尔逻辑门的计算问题。系统由AND、OR、XOR三种逻辑门组成，根据初始线路值和门连接关系，逐步计算出所有线路的值。作者通过递归查询实现这一过程，初始使用普通递归CTE遇到跨多步计算的问题，最终利用DuckDB的USING KEY和recurring.T语法解决了这个问题。解决方案通过合并中间计算结果，成功计算出以z开头的线路组成的二进制数值。这种递归CTE的高级用法为处理复杂逻辑电路模拟提供了有效方法。
2025-11-15 13:27:32
840
原创 代码的出现2024年-25日题目《锁匙配对》解答
摘要：该问题描述了通过分析锁和钥匙的示意图来判断匹配性的过程。示意图被转换为五列的高度数组，钥匙和锁匹配的条件是各对应列高度之和小于6。SQL解决方案读取输入文件，将示意图转换为数字数组，分别提取锁和钥匙的特征，最终统计所有不冲突的配对数量。核心思路是将图形匹配问题转化为数值比较，通过判断各列高度总和是否小于阈值来确定匹配性。
2025-11-15 07:22:35
744
原创 利用DeepSeek辅助改造精确覆盖问题的例子求解数独
本文介绍了一个使用精确覆盖算法(Exact Cover)求解数独的Python实现。程序通过建立元素与子集之间的映射关系，采用深度优先搜索策略找到精确覆盖解。核心类ExactCoverOfSt实现了精确覆盖问题的求解框架，solve_sudoku函数将其应用于数独问题的转换和求解。程序还支持从文件读取数独题目，在1000道17个已知数的测试中仅耗时6秒，效率与C语言的DLX算法相当。文章同时指出代码在不同Python版本中的类型注解兼容性问题，如在Python 3.8中list[int]类型会报错。
2025-11-14 18:48:34
340
原创 同样算法的DFS求解数独C和Python程序用时比较
本文介绍了两种数独求解算法的实现：C++版和Python版。C++版本使用DFS算法，通过三个二维数组分别记录行、列和宫格中的数字出现情况；Python版本采用面向对象方式封装，继承了同样的DFS算法思路。两者都支持字符串输入，当检测到已填数字时直接跳过，空白位置则尝试填入1-9的数字并进行有效性检查。Python版本增加了布尔返回值判断求解结果，优化了代码结构。该算法通过递归回溯的方式穷举所有可能解，当找到合法解时立即输出并终止程序。
2025-11-14 10:51:54
323
原创 用DeepSeek 编写的BFS python求解程序测试出来的几个难解数独
摘要：实验数据显示，四个数独问题的求解过程均耗时2秒以上，最长超过20秒。迭代次数均为65次，但处理的数据规模差异显著：第一个问题生成177,982行中间结果，第二个355,590行，第三个激增至1,068,440行，第四个达到1,372,884行。这表明数独求解时间与中间数据生成量呈正相关，不同初始布局会导致计算复杂度显著变化，最高可达7.7倍的规模差异。
2025-11-13 21:11:40
359
原创 调试DeepSeek编写的利用二进制位存储候选点允许数字的求解数独程序
文章摘要： 本文介绍了一种改进的数独求解算法，通过二进制位图优化候选数字的存储和处理。算法使用BFS遍历状态空间，每位数字用二进制位表示（如允许数字4和5则存储2^3+2^5），在填充数字时通过位运算快速更新候选状态。关键优化包括：1) 删除无效的候选排序策略；2) 采用位运算替代传统存储方式；3) 通过位掩码快速清除受影响数字。实验表明该方法能有效提升求解效率，减少迭代次数和状态生成数量。
2025-11-13 07:50:16
388
原创 利用DeepSeek采用候选数最少规则优化穷举求解数独的选点
本文提出了一种改进的数独求解算法，通过优化空位选择策略来提高求解速度。算法采用BFS方法，实现了一个关键改进：按照"最小候选数字优先"的规则选择下一个填充位置。该方法通过预处理计算每个空位的候选数字数量，优先选择候选数最少的位置进行填充，从而减少无效搜索路径。代码实现了状态缓存机制避免重复计算，并使用二进制位运算高效跟踪行、列和九宫格的数字使用情况。实验结果表明，这种智能选点策略能显著提升求解效率，减少迭代次数和中间状态生成量。
2025-11-12 16:21:47
312
原创 利用DeepSeek改写ITPUB newkid的数独求解SQL为python程序
本文展示了一个用Python实现的数独求解程序，通过BFS算法改进SQL穷举法。程序接收数独字符串输入，使用位运算优化约束检查，采用字典提高查找效率。执行结果显示：经过65次迭代和生成2,394,439个中间状态，成功求解了初始数独问题，耗时7.247秒。输出包含迭代次数、中间状态数以及格式化后的数独解。改进包括：1) 仅在循环开始时计算下一个空位；2) 使用字典直接获取可能数字组合；3) 位运算优化约束检查。该实现虽然效率不及专业求解器，但展现了穷举法的可行优化方向。
2025-11-12 10:37:37
283
原创 改写ITPUB newkid的求解数独DuckDB SQL为Clickhouse格式
本文介绍了一个ClickHouse数独求解SQL的优化过程，主要包括：1) 将递归CTE改为非递归形式；2) 修改整除符号为Floor函数；3) 重写位移运算符为bitShiftLeft；4) 为子查询添加别名；5) 替换位运算符为bitAnd函数。优化后SQL在2.56秒内处理479万行数据，成功求解数独并输出结果"932567841157824963..."，内存峰值使用244MB。这些修改解决了递归CTE处理、运算符兼容性和语法规范问题。
2025-11-11 10:23:29
288
原创 手工编译duckdb anyblox插件
AnyBlox是一个创新框架，通过将WebAssembly解码器与数据捆绑实现自我解码功能。其四大核心特性包括可移植性、安全性、性能和可扩展性。框架已成功集成到DuckDB、DataFusion等多个数据系统中，仅需少量代码即可支持新数据格式。在实践部署时遇到了DuckDB插件编译问题，包括Arrow库版本不兼容等问题，通过调整编译参数和环境配置解决了部分问题，但最终因系统Arrow库版本差异导致加载失败。该框架的论文已获得VLDB2025最佳论文奖，展现了其技术价值。
2025-11-10 20:47:51
404
原创 把ITPUB newkid先生编写的Oracle语法数独求解SQL改写成DuckDB
本文介绍了一种SQL实现的数独求解算法优化方法。通过使用预计算表格和位运算技术，显著提升了求解速度。算法采用递归CTE生成81个格点位置，预计算行列坐标和宫格信息，利用hugeint类型存储位掩码表示已占用数字位置。与数组版本相比，改写后的Oracle风格实现性能更优，执行时间从5.53秒降至2.88秒，而数组版本因下标操作开销反而降至8.85秒。这表明在SQL中位运算比数组访问更高效，特别是在处理数独这类位置约束问题时。
2025-11-10 14:08:58
291
原创 利用短整数类型和部分字符串优化DuckDB利用数组求解数独SQL
摘要：针对数独求解算法的SQL实现进行了三项优化：1)将大整数数组改为更高效的smallint类型存储，空间节省明显；2)预计算空白位置索引避免重复查找；3)仅保存当前处理状态而非完整字符串。优化后短整数数组版本耗时从4.686秒降至2.881秒，反超定长字符串版本(3.048秒)。算法通过位运算高效验证数字有效性，递归过程中动态更新行、列、宫的二进制状态，最终合并初始已知数和计算结果生成完整解。
2025-11-09 19:31:37
806
原创 利用DuckDB vortex插件读写vortex格式文件
Vortex是一种新兴的列式存储格式，旨在替代Apache Parquet等传统格式，提供更高效的大数据处理能力。其核心特点包括高性能数据读取（比Parquet快2-200倍）、高效存储管理（采用先进编码和压缩技术）、无缝兼容Apache Arrow生态以及支持高级数据操作。Vortex适用于大数据分析、列式存储检索和分布式计算等场景，未来还将支持GPU解压缩以提升计算性能。实验显示，Vortex与Parquet文件大小相近且支持相同数据类型，但在Linux环境下的DuckDB中表现更优（Windows暂不
2025-11-09 09:53:31
673
原创 DeepSeek辅助编写转换DuckDB explain_analyze_json 格式执行计划到postgresql_plan 的程序
本文介绍了将EXPLAIN ANALYZE的JSON格式执行计划转换为PostgreSQL格式的程序。该Python程序主要功能包括：1)解析JSON格式执行计划；2)递归处理执行计划节点，提取操作名称、时间、行数等关键信息；3)特殊处理第一层children的children节点信息；4)支持文件输入输出。程序通过process_node函数递归构建格式化输出，并提供了命令行接口，需传入JSON文件路径作为参数。使用步骤包括生成JSON格式执行计划并输入到转换程序中，输出格式化的PostgreSQL风格执
2025-11-08 11:54:41
347
原创 DeepSeek辅助编写转换DuckDB json格式执行计划到PostgreSQL格式的Python程序
本文介绍了一个将DuckDB JSON格式执行计划转换为PostgreSQL风格的工具。该Python程序可递归解析JSON计划节点，添加缩进和额外信息（如投影、分组、基数估计等），生成更易读的树形结构。使用步骤包括：1)从DuckDB导出JSON计划并清理；2)运行转换程序输出层次化文本格式。转换后计划包含节点类型、操作详情和预估基数，类似PostgreSQL的EXPLAIN输出，解决了DuckDB默认方块计划可读性差的问题。
2025-11-08 10:38:31
315
原创 利用DeepSeek改写SQLite版本的二进制位数独求解SQL
本文介绍了将二进制位方法应用于SQLite数独求解器的优化过程。通过使用字符串存储二进制状态而非数组，将list函数改为GROUP_CONCAT，并采用定长3位十进制字符表示状态，避免了replace操作。关键改进包括：处理全空行时通过UNION ALL补全行号序列，确保二进制状态完整。测试结果显示，优化后的二进制位版本比原始SQLite实现快3倍，求解17个已知数的最小数独时耗时从72秒降至21秒，验证了该方法的有效性。
2025-11-07 12:14:27
661
原创 利用DeepSeek优化SQLite求解数独SQL用于DuckDB
本文展示了如何用SQL优化数独求解算法。作者基于SQLite文档中的字符串操作解法（10秒），改用DuckDB实现二进制位运算优化。通过将数独的行、列、宫状态编码为27个二进制数（如某行含1、3、5则表示为2^1+2^3+2^5），利用bitand运算快速验证数字合法性。在DeepSeek协助下，最终实现的DuckDB版本虽代码复杂（包含27个精确的常量表达式），但完美实现了二进制位运算逻辑，展示了SQL在算法优化中的强大潜力。值得注意的是，DuckDB版本（13秒）反而比SQLite原版更慢，说明性能优化
2025-11-07 07:42:11
453
原创 编译SQLite 3.51源码并体验新功能
本文介绍了SQLite 3.51版本的编译使用体验。作者手工编译了amalgamation版本，解决了预编译版本依赖高版本C库的问题。测试发现新版本修复了中文显示不全的问题，支持current_timestamp获取时间戳，且.timer计时精度提升到毫秒级。通过性能测试对比3.50.4版本，展示了新版本在数独运算等复杂查询中的改进。文章还指出了一些仍然存在的语法限制，如now()函数不可用等问题。
2025-11-06 09:07:56
385
原创 修改PostgreSQL测试脚本使之在cedardb中运行并分析日志
本文介绍了在CedarDB数据库上创建和测试大数据量表的完整过程。首先从官网下载二进制文件并启动交互式界面，然后依次完成创建表结构、批量插入100万测试数据（针对不支持存储过程的调整）、建立索引等步骤。特别说明了CedarDB不支持printf和make_interval函数，但支持interval字面量乘以随机数的替代方案。最后构造包含CTE、子查询、聚合和JOIN的复杂查询进行性能测试，展示了CedarDB社区版在3467MB内存配置下的运行情况。整个流程为评估该数据库处理大数据量场景提供了完整示例。
2025-11-06 08:03:29
271
原创 利用MLPack插件在DuckDB中机器学习
本文演示了使用DuckDB和mlpack插件处理经典鸢尾花数据集(Iris Dataset)的完整流程。通过加载httpfs和mlpack插件，读取包含150个样本的鸢尾花特征数据(X)和标签数据(Y)，设置训练参数(Z)后，调用mlpack_adaboost_train函数训练模型(M)。训练结果显示分类准确率达99.3%，仅1个样本误分类。随后使用训练好的模型对新数据(N)进行预测，成功输出预测类别。整个过程展示了DuckDB与mlpack结合实现机器学习任务的便捷性，包括数据加载、模型训练、预测评估等
2025-11-05 10:29:34
295
从Windows转向Linux基础教程
2007-04-21
Microsoft Visual C++ Toolkit 2003 精简版
2009-10-21
《动手学深度学习》（Dive into Deep Learning）中文版
2019-05-22
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人