给定两个字符串 s 和 t ，它们只包含小写字母。 字符串 t 由字符串 s 随机重排，然后在随机位置添加一个字母。 请找出在 t 中被添加的字母。 示例 1： 输入：s = "abcd", t = "abcde" 输出："e" 解释：'e' 是那个被添加的字母。 示例 2： 输入：s = "", t = "y" 输出："y" 提示： 最开始没看清楚 length 的条件，看到随机重排想当然就直接用 unordere…

之前面一个中小厂不太顺利，回过头来发现我 vibe coding 太多导致基本的数据结构已经还给院长了，自己手写一个费劲的很，打算从 easy 难度的恢复一下，重走长征路 1768. 交替合并字符串 给你两个字符串 word1 和 word2 。请你从 word1 开始，通过交替添加字母来合并字符串。如果一个字符串比另一个字符串长，就将多出来的字母追加到合并后字符串的末尾。 返回 合并后的字符串 。 示例 1： 输入：word1 = "…

本文记录了我们使用自研微基准测试工具对 4× 海光 Z100 DCU 进行的一系列测试结果。 测试环境 项目 详情 GPU 4× 海光 Z100 DCU，每张 16GB，合计 64GB GPU 架构 gfx906 (Vega 20 / GCN 5.1) DTK 版本 DTK 26.04 (DCC2602-0317) PyTorch 2.10.0+das.opt1.dtk2604 测试工具 dcu_benchmark.py（基于 hy-smi 遥测采样） 采样间隔 1 秒 矩阵规模 4096 × 4096（Matmu…

什么是深度学习呢？深度学习是一种以深层计算堆栈为特征的机器学习方法。正是这种计算的深度使得深度学习模型能够分解在最具挑战性的真实世界数据集中发现的复杂和层次化的模式。 凭借其强大和可扩展性，神经网络已成为深度学习的标志性模型。神经网络由神经元组成，每个神经元仅执行简单的计算。神经网络的力量来自于这些神经元能够形成的连接的复杂性。 线性单元 那么让我们从神经网络的根本组件开始：单个神经元。作为一个图示，一个具有一个输入的神经元（或单元）看起来像： 线性单元： 输入是 x 。它与神经元的连接有一个权…

缺失值处理 1) 一个简单的选项：删除包含缺失值的列 最简单的选择是删除包含缺失值的列。 除非被删除列中的大多数值缺失，否则这种方法会使模型丢失大量（潜在有用！）的信息。举一个极端的例子，考虑一个包含10,000行的数据集，其中一列缺少一个条目。这种方法会完全删除该列！ 2) 更好的选择：插补 Imputation 会用一些数字填补缺失值。例如，我们可以沿每一列填充均值。 在大多数情况下，插补的值不会完全正确，但它通常能比完全删除该列得到更准确的模型。 3) 对插补的扩展 插补是标准方法，通常效果良好。然而，插补的…

记录写kaggle练习时记录的东西 最基础的决策树模型 下面是假设： 你的表弟靠房地产投机赚了数百万美元。他因为你对数据科学感兴趣，所以提出和你合伙做生意。他出资，你则提供预测不同房屋价值的模型。 你问表弟过去是如何预测房产价值的，他说只是凭直觉。但进一步询问后发现，他其实是从过去看过的房子中总结出了价格规律，并利用这些规律来预测他正在考虑的新房的价格。 机器学习的工作原理也类似。我们将从一种叫做决策树的模型开始。虽然还有更高级的模型可以给出更准确的预测，但决策树易于理解，并且是数据科学领域一些最佳模型的基础构建模…

https://v1-14.docs.kubernetes.io/zh/docs/tasks/configure-pod-container/assign-cpu-resource/#cpu-%E5%8D%95%E4%BD%8D requests：代表容器启动请求的资源限制，分配的资源必须要达到此要求 limits：代表最多可以请求多少资源 单位m：CPU的计量单位叫毫核(m)。一个节点的CPU核心数量乘以1000，得到的就是节点总的CPU总数量。如，一个节点有两个核，那么该节点的CPU总量为2000m。 下面拿双…

管理工具：hostnamectl 输入下面的指令修改主机名：

2024.02.03更新： 不如比特彗星，ipv6支持一坨狗屎，比特彗星也有远程下载，这就是个垃圾 安装还是很方便的，直接一个yum就行了 然后创建一个配置文件： 配置文件内容： 后台启动命令：