Web开发
未读介绍本博客用于记录一些技术学习笔记，便于我日后自己查询。这篇文章记录一下创建此博客时的过程以及配置时的产生的问题以及一些解决方法。内容主要包括:
域名准备：购买域名并托管到Cloudflare
Hexo博客搭建： 搭建环境并且部署
配置Hexo主题
搭建的全部过程中可能遇到的问题
域名准备具体视频演示参考域名托管参考视频。
1. 网站注册这里选择Namesilo网站做演示,注册结束之后直接搜索想要的域名加入购物车后使用默认地址后可使用支付宝购买。
2. 托管到Cloudflare首先注册Cloudflare账号，注册完成后选择添加站点，在如下界面中将购买好的域名输入进行扫描。随后默认点击直到更改名称服务器，界面如下:回到Namesilo，点击Domain Manager, 点击购买好的域名，默认在Quick settings界面，将默认的三条NameServer删除，更改为Cloudflare分配的两个后保存。随后回到cloudflare，点击立即检查名称服务器，随后点击继续，随后默认点击，等到界面中的域名有绿色勾表示可以正常使用。
Hexo博客搭建具体文章和视频演示参考Hexo搭 ...
215. 数组中的第K个最大元素利用堆或者sort进行排序可以直接利用Cpp当中的优先级队列即最大堆，或者将数组排序后取就行，不过实现的时间复杂度为 $O(nlogn)$,不符合题目要求。
12345678910111213class Solution {public: int findKthLargest(vector<int>& nums, int k) { priority_queue<int> que; for(int num:nums){ que.push(num); } for(int i=0;i<k-1;i++){ que.pop(); } return que.top(); }};
快速选择首先理解一下快速排序，如下代码为最简版的快排代码(取数组第一个元素作为基准，分为左右两个数组，逐渐递归当数组长度为1时返回):
...
窗口函数窗口函数（Window Function）是在查询结果的“窗口”内 对行做计算，不会把行合并成一条（不像 GROUP BY）。
12345函数名(...) OVER ( [PARTITION BY 列1, 列2, ...] -- 分区，相当于每个组内单独计算 [ORDER BY 列3, 列4, ...] -- 窗口内行的顺序 [ROWS|RANGE BETWEEN 起点 AND 终点] -- 窗口框架)
其中ROWS的关键词有：
UNBOUNDED PRECEDING:从分区的第一行开始
N PRECEDING:从当前行前N行开始
CURRENT ROW:从当前行开始
N FOLLOWING:从当前行后N行开始
UNBOUNDED FOLLOWING:分区最后一行
聚合类12345SUM(salary) OVER (PARTITION BY dept) -- 部门工资总和COUNT(*) OVER (PARTITION BY dept) -- 部门人数AVG(salary) OVER (PARTITION BY dept) ...
Transformer的注意力层在Transformer架构中，有两大组件，分别是编码器（Encoder）和解码器（Decoder），编码器主要是将输入序列映射到潜在语义空间（注意力向量，也叫上下文向量，但其实上下文向量是注意力机制内部对输入向量的叫法，本文中编码器输出向量都只叫作注意力向量，以示区分），而解码器则是将潜在语义空间（注意力向量）映射到输出序列。
在Transformer架构中，有3种不同的注意力层：
解码器中的交叉注意力层（Cross attention layer）
编码器中的全局自注意力层（Global self attention layer）
解码器中的因果自注意力层（Casual attention layer）
$$\text{Attention}(Q, K, V) = \text{softmax}\left(\frac{QK^{T}}{\sqrt{d_k}}\right)V$$
面试题搜集总结
给定图像大小w，卷积核k，步长s，padding，求计算量
问项目中卷积核大小，是不是越大越好，1*1的卷积核的作用
讲讲你所知道的超参数
你是怎么进行数据增强的？
在文本识别中使用大卷积核的好处
模型的基础调优用过哪些，遇到过什么困难和解决方案；
超参调整如何手动设置初始值（lr、warmup、batchsize、正则、dropout、激活函数、基于经验）；
收敛慢怎么办（lr、初始化权重、数据质量、模型结构、优化器、梯度、正则、训练时间）
各种优化器介绍（SGD随机梯度下降、momentum动量法、RMSprop指数加权平均、Adam）
transformer结构的了解（多头注意力、编码器解码器、前馈神经网络、kvq键值查询）
yolo和detr的优缺点和适用场景（yolo实时、detr复杂高精度）
算法量化PTQ和QAT的介绍；
激活值溢出（合适的scale和zero_point、Q/DQ、INT32中间值）
什么时候可以用更复杂的量化方法；
NLP哪些前沿算法有了解；
假如说有个200B的模型，如何设计在16张卡上分布式训 ...
知识总结
未读尚未总结
解题步骤
确定dp数组的含义
确定递推公式
初始化dp数组
确定遍历顺序
举例推导dp数组
背包问题0-1背包有n件物品，最多能背重量为w的背包，其中第i件物品的重量为weight[i]，价值为value[i],每一个物品只能用一次，问如何装价值总和最大。
暴力可以用回溯法求解，每一个物品有取和不取两个状态，时间复杂度为 $O(2^n)$。
12345678910111213141516171819202122232425262728293031323334#include<iostream>#include<vector>using namespace std;int main(){ //二维数组实现0-1背包 int n,bagweight; cin>>n>>bagweight; vector<int> weight(n); vector<int> value(n); for(int i=0;i<n;i++){ cin>>wei ...
深搜和广搜岛屿数量(深搜版)通过深搜，每遇到一个没遍历过的陆地，计数器就增加1。遍历时需要visited数组判断是否遍历过。对于MN的二维表格，利用DFS进行搜索，时间复杂度为 $O(m*n)$。
对于n个节点，e条边，DFS的时间复杂度为$O(n+e)$
12345678910111213141516171819202122232425262728293031323334353637383940//深搜模板题#include<iostream>#include<vector>using namespace std;int dire[4][2] = {1,0,-1,0,0,1,0,-1}; //四个方向int count = 0;void dfs(int x,int y,vector<vector<int>>& grid,vector<vector<int>>& visited){ //从一个确定的岛屿块出发，把这个岛遍历完 if(grid[x][y]==0||v ...
