全部 文章 问答 分享 共找到177个相关内容
2021-08-29 14:56
·
求解
[文章] 并查集代码解释
@TOC并查集是啥子？并查集支持查找一个元素所属的集合，还可以将两个不在一个集合的元素合并。举个栗子，你有家谱去看看到底是不是亲戚。当你的家谱非常庞大，是个大湾子，但是你可以使用并查集来看看你们是不是一个祖宗。并查集需要那几样东西？需要一个数组pre[n]。voidjoin(intm,intn)函数，也就是合并函数。intfind(itnx)函数。数组pre[n]pre[n]的具体意思pre[n]的值表示n的上头，当pre[4]=8,表示8是4他爸妈。当一开始，我们没有查家谱，我们就认定自己是自己的祖宗pre[i]=iintfind(intx)函数。返回值：find(intx)函数返回自己的祖宗。就是往一直往自己上头找，知道发现pre[i]==i表示你找到祖宗了，就返回祖宗。intfind(intn)//找老大{introot,son,temp;root=n;son=n;while(root!=pre[root])root=pre[root];returnroot;}这个算法还可以进行一下简化。具体intfind(intn)//找祖宗{introot,son,temp;root=n;son=n;while(root!=pre[root])root=pre[root];while(son!=root)//压缩一下，直接将所有的人//直接指向他的祖宗。{temp=pre[son];pre[son]=root;son=temp;}returnroot;}voidjoin(intm，intn)函数这个函数用于将m和n联合起来，表示他们有一个祖宗。voidjoin(intm,intn){inti,j;i=find(m);//找到i的祖宗j=find(n);if(i!=j)//两个祖宗相互比较pre[i]=j;//不同就把一个祖宗归到另一个祖宗，//也就是认别人为祖宗。}最后出个题。1.先输入两个数，一个是家谱中查出有多少个关系，一个是有多少人后面一次输入家谱中查出的关系最后输出有多少个家族？#include<iostream>usingnamespacestd;intpre[100];intfind(intn){introot,son,temp;root=n;son=n;while(root!=pre[root])root=pre[root];while(son!=root){temp=pre[son];pre[son]=root;son=temp;}returnroot;}voidjoin(intm,intn){inti,j;i=find(m);j=find(n);if(i!=j)pre[i]=j;}intmain(){intm,n,a,b,k;cin>>m>>n;k=n;for(inti=1;i<=n;i++)pre[i]=i;for(inti=0;i<m;i++){cin>>a>>b;if(find(a)!=find(b))k--;//找到一个，认一个祖宗，也就是合并一个家族。join(a,b);}cout<<k-1<<endl;}
2020-04-07 20:24
·
小白的学习
[文章] 被公司试用总结(咸鱼大杂烩)
INSTALL_FAILED_INVALID_INSTALL_LOCATION=-19;解释：无效的安装路径INSTALL_FAILED_MEDIA_UNAVAILABLE=-20;解释：Android
[文章] 关于Ai中常见的概念解释
相信大家看文章时，或者多多少少听到一些AI相关的名词，比如说：参数、模型、架构等名词。这些名词是什么意思呢？接下来就一起看看吧！AI主要概念架构（Architecture）架构指的是AI模型的核心设计和计算结构，它决定了模型的能力、计算方式和适用场景。例如：-Transformer（大部分现代AI模型的基础架构）-LLaMA（LargeLanguageModelMetaAI）→Meta公司优化的Transformer架构-GPT（GenerativePre-trainedTransformer）→OpenAI的Transformer变种-Mistral→类似LLaMA但优化了推理效率-Gemini→Google的多模态架构-StableDiffusion→用于图像生成的扩散模型参数（Parameters）参数（Parameters）是指模型训练过程中学习到的权重和偏置，它决定了模型的知识量和能力。参数数量（ParameterCount）通常用B（billion，十亿）或M（million，百万）来表示：LLaMA27B→70亿（7B）参数GPT-3175B→1750亿（175B）参数Mistral7B→7B参数一般来说，参数越多，模型的能力越强，但计算需求和显存占用也越高。AI模型的官方定义在人工智能和机器学习领域，模型（Model）的官方定义通常如下：模型是指一个经过训练的数学函数或统计算法，它基于输入数据进行推理、预测或生成内容。换句话说，AI模型是一个学习到数据模式的系统，它能根据输入推测合理的输出。权威机构的定义MIT（麻省理工学院）"Amodelisamathematicalrepresentationofareal-worldprocess,trainedusingdatatomakepredictionsordecisions."（模型是现实世界过程的数学表示，它使用数据进行训练，以做出预测或决策。）GoogleAI"Amodelisafilethathasbeentrainedtorecognizecertaintypesofpatterns.Youtrainamodeloverasetofdata,providingitwithanalgorithmthatitcanusetoreasonoverandlearnfromthatdata."（模型是一个经过训练的文件，它可以识别特定模式。你用一组数据对其进行训练，并提供算法，使其能够推理和学习数据。）OpenAI（GPT系列模型开发者）"Aneuralnetworkmodelisasetofparametersandcomputationalrulestrainedonlargedatasetstogenerateresponsesbasedoninputprompts."（神经网络模型是一组参数和计算规则，它在大规模数据集上训练，以根据输入提示生成响应。）AI模型的命名规则模型名称通常包含多个字段，表示架构、参数量、量化方式、文件格式、优化方式等。（1）常见的模型命名示例①LLaMA213BQ4_K_M.gguf拆解：-LLaMA2→Meta公司的AI架构，第二代LLaMA-13B→130亿参数-Q4_K_M→量化格式（减少精度以降低显存占用）-.gguf→文件格式（适用于CPU/GPU加速推理）mistral-7B-instruct-v0.1.Q6_K.gguf拆解：-mistral→架构（MistralAI开发）-7B→70亿参数-instruct→适用于指令微调（对话优化）-v0.1→版本号-Q6_K→6-bit量化格式-.gguf→文件格式（适用于llama.cpp）命名字段详解字段名称含义模型架构LLaMA、GPT、Mistral、Gemini、StableDiffusion等参数大小7B（7Billion）→70亿参数；13B（130亿参数）；65B（650亿参数）训练方式instruct（指令微调）chat（聊天优化）base（基础模型）量化格式Q4_K_M、Q6_K、FP16（详见下方量化部分）文件格式.gguf（新格式）.ggml（旧格式）.safetensors（PyTorch安全格式）版本v0.1、v1.5（表示不同的训练版本）量化（Quantization）量化是用更少的比特位表示权重，以减少模型大小和显存占用：-FP16（16-bit浮点数）→高精度，但显存占用大-Q8_K（8-bit量化）→轻量化，但精度仍较高-Q6_K（6-bit量化）→进一步压缩，但保留部分性能-Q4_K_M（4-bit量化）→极致压缩，适合低端设备量化VS显存需求示例（LLaMA27B）|量化方式|显存需求||----------|-----------||FP16|32GB||Q8_K|16GB||Q6_K|12GB||Q4_K|8GB|文件格式不同的文件格式适用于不同的推理工具：|格式|适用工具|说明||------|----------|------||GGUF|llama.cpp、LMStudio|最新格式，支持CPU/GPU||GGML|llama.cpp|旧格式，逐步被GGUF替代||safetensors|PyTorch|训练和推理||GPTQ|AutoGPTQ|专门优化GPU|
