news 2026/4/23 4:32:24

学习日记day54

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
学习日记day54

Day54_0111

专注时间:55min

每日任务:饭后的休息(25min),学习间歇的休息(15min)都用手表计时器来监督

40min=二刷1道力扣hot100(如果是hard,只做一道就好完成情况及时长:55min);【学习资源:PyTorch官方文档:https://docs.pytorch.ac.cn/tutorials/beginner/basics/intro.html】1.5h=PyTorch工程实操(完成情况及时长:0把第二个pytorch网页的“局部禁用梯度计算”看懂,就去看第一个pytorch网页);1h=周志华机器学习(完成情况及时长:);1.5h+(claude的RL4LLM学习路径,时长:+)

学完机器学习,然后是深度学习。学完PyTorch,之后是Transformer与大模型架构(见Gemini3pro生成的阶段2)。学快一点。准备一个GitHub Repo把所有手撕过的算法整理进去,这会是最好的复习资料。

必须熟记的API、最简洁的GPT实现、带注释的Transformer实现、推荐系统模型库(包含主流模型实现)还有“Let's build GPT”系列学习视频见Claude的第20页。冰哥听讲座,老师说:GPT是最好的老师,不需要其他家教,清华学生智商120,GPT有140。多用大模型来帮助学习。

学习内容:休息了一天

总结与心得:出去玩了,感觉不错。

《230二叉搜索树中第K小的元素》

第一次学写:指定递归层数(终止递归)

# Definition for a binary tree node. # class TreeNode(object): # def __init__(self, val=0, left=None, right=None): # self.val = val # self.left = left # self.right = right class Solution(object): def kthSmallest(self, root, k): """ :type root: Optional[TreeNode] :type k: int :rtype: int """ stk = [] cur = root cnt = 0 while stk or cur: if cur: stk.append(cur) cur = cur.left else: cur = stk.pop() cnt += 1 if cnt == k: return cur.val cur = cur.right
# Definition for a binary tree node. # class TreeNode(object): # def __init__(self, val=0, left=None, right=None): # self.val = val # self.left = left # self.right = right class Solution(object): def kthSmallest(self, root, k): """ :type root: Optional[TreeNode] :type k: int :rtype: int """ #中序遍历(迭代/递归)得到的数据,输出第k-1个 #记录递归深度,迭代次数。到达第k次时候终止并输出 #递归的终止怎么写?学一下,之前不会 self.cnt = 0 self.res = None def dfs(root): if not root or self.res is not None: return dfs(root.left) self.cnt+=1 if self.cnt == k: self.res = root.val dfs(root.right) dfs(root) return self.res

《199二叉树的右视图》

天才!自己想出来然后自己debug出来了。

为什么一定要用deque() 而不是list:

# Definition for a binary tree node. # class TreeNode(object): # def __init__(self, val=0, left=None, right=None): # self.val = val # self.left = left # self.right = right class Solution(object): def rightSideView(self, root): """ :type root: Optional[TreeNode] :rtype: List[int] """ #观察到每层只有一个节点加入到答案中去 #层序遍历,每层的单个节点从栈pop出去,然后将其左右孩子入栈 #设置 rowstk 输出其栈头元素 if not root: return [] #层序遍历 que = deque() res = [] que.append(root) while que: size = len(que) res.append(que[-1].val) for _ in range(size): node = que.popleft() if node.left: que.append(node.left) if node.right: que.append(node.right) return res

灵茶山艾府题解:既然是找右视图,那就先递归右子树,然后再递归左子树。过程中:1怎么把答案记下来;2怎么判断当前节点要不要记录到答案中。解决办法:在递归的同时记录一个节点个数或者说递归深度,如果递归深度等于当前答案的长度,那么这个节点就到记录到答案中。这个方法很好,记忆随时翻出来看看。

# Definition for a binary tree node. # class TreeNode(object): # def __init__(self, val=0, left=None, right=None): # self.val = val # self.left = left # self.right = right class Solution(object): def rightSideView(self, root): """ :type root: Optional[TreeNode] :rtype: List[int] """ res = [] def dfs(node,depth): if not node: return if len(res) == depth: res.append(node.val) dfs(node.right,depth+1) dfs(node.left,depth+1) dfs(root,0) return res
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/21 11:31:33

MiDaS优化指南:提升小物体深度估计精度的技巧

MiDaS优化指南:提升小物体深度估计精度的技巧 1. 引言:AI 单目深度估计中的挑战与机遇 1.1 MiDaS 模型的技术背景 单目深度估计是计算机视觉中极具挑战性的任务之一——仅凭一张2D图像,如何让AI“感知”出三维空间的距离信息?I…

作者头像 李华
网站建设 2026/4/20 17:00:45

一文掌握Qwen3-VL-WEBUI使用技巧|图像生成、OCR与视频分析全场景覆盖

一文掌握Qwen3-VL-WEBUI使用技巧|图像生成、OCR与视频分析全场景覆盖 随着多模态大模型的快速发展,视觉语言模型(VLM)在图像理解、文档解析、视频分析等场景中展现出前所未有的能力。阿里推出的 Qwen3-VL-WEBUI 镜像集成了最新的 …

作者头像 李华
网站建设 2026/4/19 13:11:32

Qwen3-VL-WEBUI优势详解|支持视频理解与GUI操作

Qwen3-VL-WEBUI优势详解|支持视频理解与GUI操作 引言:多模态AI进入“视觉代理”新时代 随着大模型从纯文本向多模态融合演进,视觉语言模型(Vision-Language Model, VLM)正逐步成为智能交互的核心引擎。阿里推出的 Qwen…

作者头像 李华
网站建设 2026/4/20 10:20:05

MiDaS模型深度教程:热力图生成与解析

MiDaS模型深度教程:热力图生成与解析 1. 引言:AI 单目深度估计的现实意义 在计算机视觉领域,从单张2D图像中恢复3D空间结构一直是极具挑战性的任务。传统方法依赖多视角几何或激光雷达等硬件设备,成本高且部署复杂。近年来&…

作者头像 李华
网站建设 2026/4/20 17:55:46

单目测距MiDaS教程:从原理到实践的完整指南

单目测距MiDaS教程:从原理到实践的完整指南 1. 引言:AI 单目深度估计 - MiDaS 在计算机视觉领域,深度估计是实现三维空间感知的关键技术之一。传统方法依赖双目立体视觉或多传感器融合(如激光雷达),但这些…

作者头像 李华