百度广告推广平台济南网站seo顾问

百度广告推广平台,济南网站seo顾问,现在装修流行什么样的风格,顺德网站建设代理商Day50_1215专注时间#xff1a;5H55min每日任务#xff1a;2h复习数据库#xff08;完成情况及时长#xff1a;#xff09;#xff1b;1h二刷2道力扣hot100(如果是hard#xff0c;只做一道就好#xff0c;完成情况及时长#xff1a;今日1道高频面试手撕题146.LRU缓存5H55min每日任务2h复习数据库完成情况及时长1h二刷2道力扣hot100(如果是hard只做一道就好完成情况及时长今日1道高频面试手撕题146.LRU缓存做了2H46min)【学习资源PyTorch官方文档https://docs.pytorch.ac.cn/tutorials/beginner/basics/intro.html】1.5hPyTorch工程实操(完成情况及时长10845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7)【按照Claude的路线】1h手撕机器学习算法完成情况及时长计算机网络45分钟完成情况及时长学完机器学习然后是深度学习、搜广推经典模型也有很多要手撕的见Claude生成的。学完PyTorch之后是Transformer与大模型架构见Gemini3pro生成的阶段2。学快一点学完还要做搜广推的实战项目。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“Lets build GPT”系列学习视频见Claude的第20页。学习内容 如上总结与心得专注时长很可以。周六周日懈怠休息了。《146.LRU缓存》是高频手撕面试题。看了《模式识别与机器学习》历年试卷感觉不去上课不改学习方法会挂科啊【GitHub repo并且学习的ML等算法都要去做笔记手敲这样才好复习而且也才是真正学进去不然又忘记了。】以后每次课都去晚上下课后再去练练完就不做有氧了。买个笔记本电脑充电宝吧。《146.LRU缓存》class DoublyLinkedNode(object): def __init__(self,key0,value0): self.prev None self.next None self.key key self.value value class LRUCache(object): #move2head deletenode deleltetail add2head #get(3)那么key:3对应的(key,value)就算被使用过了 def __init__(self, capacity): :type capacity: int #注意这里用了伪头节点和伪尾节点所以有些函数的逻辑和双向链表不一样 self.cache dict() self.size 0 self.capacity capacity self.head DoublyLinkedNode() self.tail DoublyLinkedNode() self.head.next self.tail self.tail.prev self.head def get(self, key): :type key: int :rtype: int if key not in self.cache: return -1 node self.cache[key] self.move2head(node) return node.value def put(self, key, value): :type key: int :type value: int :rtype: None if key in self.cache: node self.cache[key] node.value value self.move2head(node) else: node DoublyLinkedNode(key,value) self.cache[key] node self.add2head(node) self.size 1 if self.size self.capacity: denode self.removetail() self.size - 1 #dict.pop(key)删除键值对 self.cache.pop(denode.key) def delete(self,node): node.next.prev node.prev node.prev.next node.next def move2head(self,node): self.delete(node) self.add2head(node) def add2head(self,node): #伪头节点 node.next self.head.next node.prev self.head self.head.next.prev node self.head.next node def removetail(self): #伪尾节点 #return:DLinkedNode 被移除的节点用于删除哈希表中的对应项 node self.tail.prev self.delete(node) return node # Your LRUCache object will be instantiated and called as such: # obj LRUCache(capacity) # param_1 obj.get(key) # obj.put(key,value)