- 博客(598)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 Leetcode 994. 腐烂的橘子 多源 BFS
本文介绍LeetCode 994题"腐烂的橘子"的BFS解法。题目要求在m×n网格中，新鲜橘子(1)被腐烂橘子(2)感染，每分钟向四周扩散，求所有橘子腐烂所需时间或返回-1(若有橘子无法腐烂)。 算法采用多源BFS：1)统计初始腐烂橘子和新鲜橘子数量；2)使用队列进行层级遍历，每轮处理当前所有腐烂橘子，并向四周扩散；3)每扩散一轮时间加1，直到无法继续扩散。最后检查剩余新鲜橘子数量，若为0则返回总时间-1(最后一轮不需额外时间)，否则返回-1。时间复杂度O(mn)，空间复杂度O(mn)。
2025-09-18 16:29:00
194
原创 Leetcode 763. 划分字母区间 贪心
摘要 Leetcode 763题要求将字符串划分为尽可能多的片段，使每个字符仅出现在一个片段中。两种解法思路相似：第一种解法通过双指针遍历，每次找到当前字符的最后出现位置来扩展右边界；第二种解法优化了效率，先预处理记录每个字符的最后出现位置。当遍历到当前右边界时，切分片段并更新指针。时间复杂度从O(n^2)优化到O(n)，空间复杂度O(1)。
2025-09-16 22:36:11
200
原创 Leetcode 169. 多数元素 哈希计数 / 排序 / 摩尔投票
本文介绍了三种在数组中找到多数元素（出现次数超过n/2）的算法：1）哈希计数法，通过统计元素频率找出众数；2）排序法，利用众数必在中点的特性；3）摩尔投票法，通过擂台赛思想以O(1)空间复杂度高效求解。三种方法分别体现了哈希统计、排序特性和巧妙计数的不同解题思路，其中摩尔投票法最优。
2025-09-15 11:27:53
123
原创 求最小公倍数（GCD）和最大公约数（LCM）——原理和代码
本文介绍了最大公约数（GCD）和最小公倍数（LCM）的计算方法。GCD采用欧几里得算法（辗转相除法），通过递归公式gcd(a,b)=gcd(b,a%b)实现，并处理了负数和零值情况。LCM则基于公式lcm(a,b)=|a*b|/gcd(a,b)计算。文中提供了C++实现代码，并通过测试案例验证了算法的正确性，包括正数、负数和零值输入的情况。
2025-09-14 16:45:20
118
原创 【AI知识点】模型训练优化之——混合精度训练
混合精度训练结合FP16和FP32的优势，通过前向传播使用FP16加速计算，反向传播后转换为FP32更新权重，配合梯度缩放防止数值下溢。这种方法在保持模型精度的同时，显著提升训练速度并减少显存占用，已成为现代深度学习训练的标配技术。
2025-09-11 21:46:10
343
原创 算法——二分查找的详细介绍
本文介绍了二分查找算法的核心思想及其四种典型应用场景。二分查找通过不断将搜索范围减半，将时间复杂度优化至O(log n)，适用于已排序数组。文章详细展示了四种常见问题的代码实现：1）无重复数组中查找目标值；2）有重复数组中查找目标值首次出现位置；3）查找第一个大于目标值的元素；4）查找最后一个小于目标值的元素。每种情况都配有示例代码和测试用例，通过具体数组演示了算法执行过程，帮助读者理解二分查找在不同场景下的应用逻辑和边界条件处理。
2025-09-11 13:37:24
162
原创 【大模型手撕】pytorch实现LayerNorm, RMSNorm
本文介绍了两种常用的归一化方法LayerNorm和RMSNorm的实现原理及代码。LayerNorm通过对输入特征进行均值和方差归一化，并引入可训练参数γ和β来调整缩放和平移；RMSNorm则简化计算，仅使用均方根进行归一化。两者的PyTorch实现都包含可训练的缩放参数γ，并支持可选偏置项。LayerNorm适用于Transformer等场景，而RMSNorm计算更高效，常用于大模型优化。两种方法都通过保持特征分布稳定来提升模型训练效果。
2025-09-09 15:18:48
224
原创 2026秋招Leetcode刷题记录
常见考点：前缀和（区间和查询）、差分数组（批量区间修改）、二分查找（变种：找插入位置、旋转数组找最小值）、指针（三数之和、移除元素）、滑动窗口（子数组最大和、最长无重复子串）、多维数组。常见考点：前 / 中 / 后序遍历（递归 + 迭代实现）、层序遍历（BFS）、从前序 + 中序、后序 + 中序还原二叉树、对称二叉树、平衡二叉树判断、二叉树直径 / 深度计算。常见考点：反转链表（全反转、部分反转）、环检测与入口查找（快慢指针）、删除倒数第 k 个节点、合并有序链表（递归 / 迭代）
2025-09-05 21:12:14
650
原创 Leetcode 234. 回文链表
本文介绍了两种判断链表是否为回文的方法。第一种是将链表值存入数组，通过双指针比较数组元素；第二种通过快慢指针找到中点，反转后半部分链表后与前半部分逐一比较。第二种方法空间复杂度更优(O(1))，但需要实现查找中点和反转链表两个辅助函数。两种方法时间复杂度均为O(n)，适用于不同场景需求。
2025-09-04 20:17:41
287
原创 Leetcode 876. 链表的中间结点 快慢指针
该题要求找到链表的中间节点。采用快慢指针法：快指针每次走两步，慢指针每次走一步。当快指针到达链表末尾时，慢指针正好指向中间节点。时间复杂度O(n)，空间复杂度O(1)。代码实现简洁高效，通过双指针同步遍历即可解决问题。
2025-09-04 19:26:52
165
原创 Leetcode 206. 反转链表 迭代/递归
本文介绍了反转链表的两种解法：迭代法和递归法。迭代法通过三个指针（pre、now、next）逐步反转链表节点指向；递归法则通过递归到链表末尾，然后依次反转每个节点的指向。两种方法时间复杂度均为O(n)，空间复杂度迭代法为O(1)，递归法为O(n)（递归栈空间）。递归解法更直观但可能栈溢出，迭代解法更高效。
2025-09-04 18:12:03
176
原创 Leetcode 160. 相交链表
本文介绍了LeetCode 160题"相交链表"的两种解法：哈希法和双指针法。哈希法通过存储一个链表的所有节点，再遍历另一个链表查找匹配节点，时间复杂度O(m+n)。双指针法通过让两个指针分别遍历两个链表后交换起点，最终会在相交点或null相遇，时间复杂度O(m+n)但空间复杂度O(1)更优。两种方法都正确处理了不相交的情况，其中双指针法通过巧妙设计遍历路径实现了高效查找。
2025-09-04 17:24:10
172
原创 Leetcode 240. 搜索二维矩阵 II 矩阵 / 二分
本文介绍了两种解决Leetcode 240题的方法：排除法和二分法。排除法通过从矩阵右上角或左下角开始搜索，利用行列递增特性逐步缩小范围，时间复杂度O(m+n)。二分法则对每行使用二分查找，时间复杂度O(mlogn)。两种方法都先检查目标值是否在矩阵数值范围内以提高效率。代码实现提供了C++版本，适用于有序二维矩阵的快速搜索。
2025-09-04 14:54:56
247
原创 Leetcode 647. 回文子串 动态规划
本文介绍了Leetcode 647题"回文子串"的动态规划解法。通过构建二维数组dp[i][j]表示子串s[i:j]是否为回文串，从字符串末尾开始倒序遍历。当首尾字符相等时，若子串长度≤1则为回文串，否则由内层子串dp[i+1][j-1]决定。该方法时间复杂度O(n²)，空间复杂度O(n²)，能高效统计所有回文子串数目。
2025-08-29 01:33:26
173
原创 Leetcode 494. 目标和 动态规划-01背包
本题目要求通过加减运算使数组元素之和等于目标值。解题关键在于将问题转化为背包问题：将数组分成两部分，使其差值为目标值。动态规划解法中需注意边界条件（空数组和为0的方案数为1）和状态转移方程。空间优化版本采用一维数组，内循环倒序更新以避免重复计算。时间复杂度O(n*sum)，空间复杂度O(sum)，其中sum为数组元素和。核心是将原问题转化为寻找和为特定值的子集个数问题。
2025-08-28 14:53:21
318
原创 Leetcode 1049. 最后一块石头的重量 II 动态规划-01背包
本文解决了LeetCode 1049题"最后一块石头的重量II"。通过将问题转化为背包问题，将石头分成两堆，使两堆重量尽可能接近总和的一半。使用动态规划求解，dp[i][j]表示前i个石头在容量j内的最大重量。最终结果为总和减去两倍的最大重量，即两堆石头的最小可能差值。该方法巧妙地将原问题转换为0-1背包问题，时间复杂度为O(n*target/2)。
2025-08-26 18:01:43
209
原创 Leetcode 1046. 最后一块石头的重量 最大堆/优先队列
本文介绍了LeetCode 1046题的解法，题目要求计算最后一块石头的重量。采用最大堆（优先队列）的数据结构，每次取出最大的两块石头进行碰撞处理：若重量不等则将差值重新放入堆中，直到剩余石头少于两块。最终堆为空则返回0，否则返回剩余石头的重量。该解法时间复杂度为O(nlogn)，空间复杂度O(n)，高效地模拟了石头碰撞销毁的过程。核心代码使用C++的priority_queue实现最大堆功能。
2025-08-26 16:59:27
235
原创 Leetcode 416. 分割等和子集 (动态规划-01背包问题)
该题是判断能否将数组分割成两个和相等的子集。解题思路转化为判断是否存在子集和等于数组总和的一半。采用动态规划方法：定义dp[i][j]表示前i个元素能否组成和为j的情况。状态转移方程为dp[i][j] = dp[i-1][j] || dp[i-1][j-nums[i-1]]。通过二维数组求解后，可优化为一维数组降低空间复杂度。关键步骤包括：计算总和、排除奇数情况、初始化dp数组、双层循环更新状态。最终返回dp[target]即为结果。
2025-08-26 11:49:22
270
原创 动态规划之背包问题详细介绍（0-1背包，完全背包）
摘要：本文介绍了两种经典背包问题的动态规划解法。0-1背包问题要求每件物品只能选一次，通过二维数组或空间优化的一维数组（需倒序遍历）求解。完全背包问题允许物品无限次选择，同样可优化为一维数组但需正序遍历。两种方法都建立了状态转移方程，通过比较选择/不选择物品的情况来求解最大价值。代码示例展示了具体实现，空间优化版本通过调整遍历顺序来保证正确性。
2025-08-26 01:33:48
309
原创 Leetcode 343. 整数拆分 动态规划
本文介绍了LeetCode 343题"整数拆分"的动态规划解法。题目要求将正整数n拆分成至少两个正整数的和，使这些整数的乘积最大化。解法使用动态规划数组dp[i]表示i拆分后的最大乘积，初始化dp[2]=1。对于每个i从3到n，通过枚举拆分点j（1到i/2），比较直接拆分(j*(i-j))和继续拆分(j*dp[i-j])的乘积，取最大值更新dp[i]。最终返回dp[n]作为结果。时间复杂度O(n²)，空间复杂度O(n)。
2025-08-19 23:56:45
304
原创 Leetcode 128. 最长连续序列 哈希
本文比较了LeetCode 128题"最长连续序列"的两种解法。解法1使用有序map进行排序和遍历，时间复杂度为O(n log n)，不符合题目要求的O(n)时间复杂度。解法2利用unordered_set的O(1)查找特性，通过检查每个可能的序列起点来计算最长序列长度，确保每个元素最多被访问两次，达到O(n)时间复杂度。解法2更优，满足题目要求，是推荐解法。两种解法都处理了空输入的特殊情况。
2025-08-19 11:07:52
310
原创 PyTorch中实现早停机制（EarlyStopping）附代码
摘要： EarlyStopping是一种防止模型过拟合、节省资源的训练策略，当验证集指标（如损失）不再改善时提前终止训练。其核心是设置耐心值（patience），若连续若干次验证损失未达到最优值（考虑最小改进量delta）则停止。
2025-07-25 10:42:24
359
原创 算法题：有n个台阶，每次只能上1，2，3层，但不能连续2次上3层，有多少解法？
有n个台阶，每次只能上1，2，3层，但不能连续2次上3层，有多少解法？
2025-04-23 01:47:59
229
原创 【AI知识】什么是梯度累加？为什么要梯度累加？
梯度累积（Gradient Accumulation）是一种在训练深度学习模型时常用的技术，旨在**解决由于显存限制导致无法使用大批量数据进行训练的问题**。其基本思想是在**多个小批量（mini-batch）上累积梯度，模拟大批量训练的效果，同时避免一次性加载过多数据导致显存溢出**。
2025-03-27 18:11:08
440
原创 老鼠喝毒药——经典的逻辑推理和数学优化问题
老鼠喝毒药：有若干瓶外观相同的液体，其中一瓶含有毒药。如果老鼠饮用含毒药的液体，将在特定时间内死亡。如何在有限的时间内，利用最少数量的老鼠，找出含毒药的那瓶液体？
2025-03-26 16:29:24
465
原创 【AI知识】深度学习中模型参数初始化方法介绍
【AI知识】深度学习中模型参数初始化方法介绍: 零初始化,随机初始化, Xavier初始化,He初始化
2025-03-25 17:47:05
1159
原创 【大模型手撕】pytorch实现Self-Attention，Multi-Head-Attention，Grouped-Query-Attention
本文介绍了使用PyTorch实现Self-Attention，Multi-Head-Attention，Grouped-Query-Attention的代码
2025-03-21 16:10:46
945
原创 【大模型知识点】前置层归一化（Pre-Normalization）
现在很多大模型采用 **预归一化（Pre-Normalization）** 结构，如LLaMA、Qwen，主要是因为它能够显著提升模型的训练稳定性和收敛速度，同时缓解深层网络中的梯度消失或爆炸问题。
2025-03-21 13:04:59
346
原创 【大模型知识点】检索增强生成（Retrieval Augmented Generation，RAG）简要介绍
【大模型知识点】检索增强生成（Retrieval Augmented Generation，RAG），检索召回和重排序
2025-03-21 02:34:29
728
原创 【AI知识】倒数排名融合 (RRF) ——用于融合多个排序列表的结果
在RAG混合检索中，经常需要将多个检索结果汇总。**Reciprocal Rank Fusion (RRF，倒数排名融合)** 是一种用于融合多个检索结果列表的算法。它的核心思想是将不同检索方法（如 BM25 和向量检索）的排名结果结合起来，生成一个更全面、更准确的最终排名。
2025-03-20 19:56:19
968
原创 【AI知识】在 PyTorch 中设计和实现一个完整的模型训练和优化流程
【AI知识】在 PyTorch 中设计和实现一个完整的模型训练和优化流程
2025-03-20 11:29:18
953
原创 【AI知识】常见的优化器及其原理：梯度下降、动量梯度下降、AdaGrad、RMSProp、Adam、AdamW
【AI知识】常见的优化器及其原理：梯度下降、动量梯度下降、AdaGrad、RMSProp、Adam、AdamW
2025-03-19 21:36:48
1225
原创 Leetcode 1277. 统计全为 1 的正方形子矩阵 动态规划
【代码】Leetcode 1277. 统计全为 1 的正方形子矩阵 动态规划。
2025-03-19 11:28:11
276
原创 【算法】算法简要介绍
算法是解决特定问题的方法和步骤，它可以根据问题的不同性质和解决思路进行分类。1. 排序算法 (Sorting Algorithms)2. 查找算法 (Search Algorithms)3. 图算法 (Graph Algorithms)4. 动态规划 (Dynamic Programming)5. 贪心算法 (Greedy Algorithms)6. 分治算法 (Divide and Conquer)7. 回溯算法 (Backtracking)8. 字符串匹配算法 (String Matchi
2025-03-14 02:30:45
1489
原创 【算法】并查集算法介绍+路径压缩+代码示例
并查集是一种用于管理一组不相交集合的数据结构。它主要支持以下两种操作：> - 查找（Find）：确定某个元素属于哪个集合，通常返回该集合的代表元素，如根元素。 > - 合并（Union）：将两个集合合并为一个集合。
2025-03-14 01:59:24
335
原创 【算法】经典图最短路径算法介绍+代码示例(Dijkstra+Bellman-Ford+Floyd-Warshall)
【算法】经典图最短路径算法介绍+代码示例(Dijkstra+Bellman-Ford+Floyd-Warshall)
2025-03-13 17:39:30
674
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人