- 博客(382)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 1080. 根到叶路径上的不足节点(递归前后学习)
的每种可能的 “根-叶” 路径上值的总和全都小于给定的。，并返回最终二叉树的根节点。，请你同时删除树中所有。，就是没有子节点的节点。
2025-02-20 22:19:45
241
原创 LCR 050. 路径总和 III
不需要从根节点开始，也不需要在叶子节点结束，但是路径方向必须是向下的（只能从父节点到子节点）。和等于 8 的路径有 3 条，如图所示。LCR 050. 路径总和 III。，求该二叉树里节点值之和等于。给定一个二叉树的根节点。
2025-02-20 20:33:00
294
原创 2641. 二叉树的堂兄弟节点 II
值为 7 的节点有两个堂兄弟，值分别为 1 和 10 ，所以值修改为 11。- 值为 10 的节点有一个堂兄弟，值为 7 ，所以值修改为 7。- 值为 1 的节点有一个堂兄弟，值为 7 ，所以值修改为 7。，一个节点的深度指的是从树根节点到这个节点经过的边数。- 值为 5 的节点没有堂兄弟，所以值修改为 0。- 值为 4 的节点没有堂兄弟，所以值修改为 0。- 值为 9 的节点没有堂兄弟，所以值修改为 0。- 值为 1 的节点没有堂兄弟，所以值修改为 0。请你返回修改值之后，树的根。
2025-02-11 20:38:20
224
原创 flask+mysql实现一个简单的注册登录
app.config['MYSQL_PASSWORD'] = '' # 这里替换为你的 MySQL 密码。# 配置 MySQL 连接。
2025-01-22 23:05:10
704
原创 flask-mysql链接失败：pymysql.err.OperationalError: (1045, “Access denied for user ‘14784‘@‘localhost‘ (us
app.config['MYSQL_PASSWORD'] = '' # 这里替换为你的 MySQL 密码。app.config['MYSQL_PASSWORD'] = '' # 这里替换为你的 MySQL 密码。# 配置 MySQL 连接。#配置 MySQL 连接。
2025-01-22 22:52:15
260
原创 报错：{‘csrf_token‘: [‘The CSRF token is missing.‘]}
flask实现一个简单的注册界面报错。来包含 CSRF 令牌。
2025-01-22 21:14:09
415
原创 1: worker(1) query failed: metric type not match: invalid parameter[expected=COSINE][actual=L2])＞
适用于不同的应用场景和数据特点。例如，在文本处理中，余弦相似度常用于衡量文本向量的相似性，因为它对向量的长度不敏感，更关注向量的方向；而欧几里得距离在一些需要考虑向量实际空间距离的场景中更为适用，如地理位置数据的分析等。我创建的时候是cosine,是用余弦相似度来衡量距离的，
2025-01-05 21:17:00
304
原创 Looking in indexes: Simple Index Collecting langchain ERROR: HTTP error 403 while getting https://
(py311) PS D:\桌面文件\Part4_LLM-Chat\code> pip install langchain(from(fromsolution:出现这个错误表示禁止访问，也就是你在尝试从清华镜像源（）安装langchain。
2024-12-24 19:47:26
557
原创 大模型的一些评价指标
(python 包名为 vlmeval) 是一款专为大型视觉语言模型 (Large Vision-Language Models， LVLMs) 评测而设计的开源工具包。该工具支持在各种基准测试上对大型视觉语言模型进行一键评估，准备工作，让评估过程更加简便。在 VLMEvalKit 中，我们对所有大型视觉语言模型生成的结果进行评测，并提供基于精确匹配与基于 LLM的答案提取两种评测结果.
2024-12-01 19:45:25
993
原创 知识图谱介绍
定义与本质知识图谱是一种用图的结构来描述知识的方式，图中的节点代表实体，边代表实体间的关系，其本质是一种语义网络，能将人类知识表示为计算机可理解和处理的形式，从而实现知识的关联、推理和应用。发展历程知识图谱的概念源于 2012 年谷歌推出的 Knowledge Graph，早期搜索引擎主要基于关键词匹配，存在理解用户意图不准确、结果缺乏深度等问题。知识图谱出现后，搜索引擎可更好理解语义，提供更精准结果，开启了智能搜索时代，随后在学术研究和工业界得到广泛应用与发展。构建方式知识抽取。
2024-11-22 19:48:05
450
原创 AttributeError: partially initialized module ‘langchain‘ has no attribute ‘debug‘ (most likely due t
我也是无语了哈哈哈文件名就取错了净整些没有用的。
2024-11-22 11:03:38
378
原创 【正则表达式 PYTHON】
正则表达式是一种用于匹配文本模式的工具。它是一个特殊的字符序列，可以帮助你在文本中查找、替换或验证符合特定规则的字符串。例如，你可以使用正则表达式来检查一个字符串是否是一个有效的电子邮件地址、电话号码，或者从一段文本中提取所有的数字。函数来编译一个正则表达式模式。这在需要多次使用同一个模式进行匹配等操作时非常有用，因为编译后的模式可以提高匹配效率。在这个例子中，先编译了一个匹配一个或多个小写字母的正则表达式模式。然后用这个编译后的模式分别对。模块来支持正则表达式的操作。在 Python 中，通过。
2024-11-21 10:21:37
610
1
原创 f“Couldn‘t reach ‘{path}‘ on the Hub ({e.__class__.__name__})“) from eConnectionError: Couldn‘t rea
', None, 10054, None)))"), '(Request ID: 68473cb6-4fa0-402e-8080-39a077fad1d7)')反复尝试开VPN如何刷新。
2024-11-18 16:58:35
1282
原创 玩转Hugging Face/魔搭社区/魔乐社区”教程
我们将深入探索如何充分利用 Hugging Face、魔搭社区和魔乐社区的资源和工具，学习模型下载、上传以及创建您的专属Space，玩转三大平台。注册登录ModelScope平台，进入导航栏模型库，可以搜索internlm找到相关模型（但是这也包括非官方模型），在这里我们可以搜索 internlm2_5-chat-1_8b，下载1.8b的对话模型，也类似于hugging face 一样拥有具体的详情页。它旨在汇集来自AI社区的最先进的机器学习模型，并简化在实际应用中使用AI模型的流程。
2024-11-02 21:18:09
2220
原创 cv.dnn.blobFromImage参数详解
blob = cv.dnn.blobFromImage(image, scalefactor=1.0, size=(224, 224), mean=(0, 0, 0), swapRB=True, crop=False)# 1 是由函数内部的默认设置。print("Blob数据形状:", blob.shape)print("原始图像形状:", image.shape)
2024-10-30 11:37:35
870
原创 二分类交叉熵损失函数举个例子
这个例子说明，当模型预测的概率与真实标签相符时（如邮件是垃圾邮件且预测概率高），损失值相对较小；当模型预测与真实标签不符时（如邮件不是垃圾邮件但预测概率高），损失值相对较大，这体现了交叉熵损失函数对模型预测错误的惩罚机制，从而引导模型的训练向正确的方向进行。交叉熵损失函数（Binary Cross - Entropy Loss）的公式为。这个公式衡量了模型预测概率分布y'和真实标签y之间的差异程度。
2024-10-29 16:26:43
272
原创 ImportError: numpy.core.multiarray failed to import
ImportError: DLL load failed while importing _multiarray_umath: 找不到指定的模块。
2024-10-21 17:28:53
490
原创 使用标注工具并跑通官方yolov8分割segment自己的数据集
使用标注工具，后面会用到智能标注点击 创建AI多边形后命令行就自动下载对应的模型单机要选中的图像就行，就可以智能选中，双击设置标签依次标注所有图片 ，最后保存成json格式的文件。
2024-10-14 19:34:42
479
原创 【Lagent 自定义你的 Agent 智能体】
在本节中，我们将带大家基于 Lagent 自定义自己的智能体。Lagent 中关于工具部分的介绍文档位于。继承BaseAction类实现简单工具的run方法；或者实现工具包内每个子工具的功能简单工具的run方法可选被tool_api装饰；工具包内每个子工具的功能都需要被tool_api装饰下面我们将实现一个调用 MagicMaker API 以完成文生图的功能。首先，我们先来创建工具文件：然后，我们将下面的代码复制进入'dongman', # 动漫。
2024-10-08 13:58:40
1074
原创 task【XTuner微调个人小助手认知】
下面我们将根据项目的需求一步步的进行修改和调整吧！在 PART 1 的部分，由于我们不再需要在 HuggingFace 上自动下载模型，因此我们先要更换模型的路径以及数据集的路径为我们本地的路径。为了训练过程中能够实时观察到模型的变化情况，XTuner 贴心的推出了一个。
2024-10-07 01:36:35
918
原创 【Llamaindex RAG实践】
给模型注入新知识的方式，可以简单分为两种方式，一种是内部的，即更新模型的权重，另一个就是外部的方式，给模型注入格外的上下文或者说外部信息，不改变它的的权重。st.session_state.messages = [{"role": "assistant", "content": "你好，我是你的助手，有什么我可以帮助你的吗？st.session_state.messages = [{"role": "assistant", "content": "你好，我是你的助手，有什么我可以帮助你的吗？
2024-10-07 01:02:10
895
原创 task笔记【OpenCompass】
在 OpenCompass 中评估一个模型通常包括以下几个阶段：配置 -> 推理 -> 评估 -> 可视化。接下来，我们将展示 OpenCompass 的基础用法，分别用命令行方式和配置文件的方式评测InternLM2-Chat-1.8B，展示书生浦语在C-Eval基准任务上的评估。更多评测技巧请查看文档。
2024-10-07 00:33:52
1008
原创 【开源开放体系总结】
书生・浦语大模型全链路开源开放体系的出现，为人工智能领域的发展带来了新的活力和机遇。它涵盖了从模型研发到应用部署的全流程，旨在促进技术的共享与创新，推动人工智能技术在各个领域的广泛应用。本文将对该体系进行详细总结，探讨其各个组成部分的特点、优势以及对人工智能发展的意义。
2024-10-06 22:00:42
1061
原创 任务【浦语提示词工程实践】
首先点击左上角图标，打开Terminal，运行如下脚本创建虚拟环境：# 创建虚拟环境运行下面的命令，激活虚拟环境：之后的操作都要在这个环境下进行。激活环境后，安装必要的Python包，依次运行下面的命令：# 安装一些必要的库# 安装其他依赖。
2024-10-05 23:53:30
1035
1
原创 计数相关的题 Python 力扣
最后返回的时候的写法可以借鉴一下，非常简洁。解法：使用了类似冒泡排序的方式来进行排序，如果用堆的话，估计面试的时候不会有这个API来直接调，就先不管他的。"the", "is", "sunny" 和 "day" 是出现次数最多的四个单词，由于最多单词数打平，返回字典序最大的名字，也就是 Charlie。由于 Alice 发出单词数最多，所以我们返回 "Alice"。"i" 和 "love" 为出现次数最多的两个单词，均为2次。注意，按字母顺序 "i" 在 "love" 之前。，请你返回其中出现频率前。
2024-10-04 22:34:14
1209
1
原创 【8G 显存玩转书生大模型 Demo】
LMDeploy 已经支持了 InternLM-XComposer2 系列的部署，但值得注意的是 LMDeploy 仅支持了 InternLM-XComposer2 系列模型的视觉对话功能。LMDeploy 也已经支持了 InternVL2 系列模型的部署，让我们一起来使用 LMDeploy 部署 InternVL2-2B 模型。接下来，我们使用 LMDeploy 启动一个与 InternLM-XComposer2-VL-1.8B 模型交互的 Gradio 服务。
2024-10-04 16:59:22
870
原创 【Linux】作业笔记
任务描述 完成所需时间 闯关任务 完成SSH连接与端口映射并运行hello_world.py 10min 可选任务 1 将Linux基础命令在开发机上完成一遍 10min 可选任务 2 使用 VSCODE 远程连接开发机并创建一个conda环境 10min 可选任务 3 创建并运行test.sh文件 10min 任务一：任务二：任务三3.1 文件管理在 Linux 中，常见的文件管理操作包括
2024-10-04 14:02:00
1137
图书管理系统mdl.zip
2021-11-16
只有算法岗位才会面试算法吗
2024-08-02
TA创建的收藏夹 TA关注的收藏夹
TA关注的人