冒泡排序实现原理 冒泡排序是一种简单的排序算法，其原理如下： 从待排序的数组的第一个元素开始，依次比较相邻的两个元素。 如果前面的元素大于后面的元素（升序排序），则交换这两个元素的位置，使较大的元素“冒泡”到右侧。 继续比较下一对相邻元素，重复步骤2，直到遍历到数组的倒数第二个元素。此时，最大的元素
插入排序实现原理 插入排序算法是一种简单、直观的排序算法，其原理是将一个待排序的元素逐个地插入到已经排好序的部分中。 具体实现步骤如下 首先咱们假设数组长度为n，从第二个元素开始，将当前元素存储在临时变量temp中。 从当前元素的前一个位置开始向前遍历，比较temp与每个已排序元素的值大小。 如果已
List和SList都是C++ STL中的容器，都是基于双向链表实现的，可以存储可重复元素的特点。其中，List内部的节点结构包含两个指针一个指向前一个节点，一个指向后一个节点，而SList只有一个指针指向后一个节点，因此相对来说更节省存储空间，但不支持反向遍历，同时也没有List的排序功能。双向链表的数据元素可以通过链表指针串接成逻辑意义上的线性表，不同于采用线性表顺序存储结构的`Vector`
C++ STL 中的非变易算法（Non-modifying Algorithms）是指那些不会修改容器内容的算法，是C++提供的一组模板函数，该系列函数不会修改原序列中的数据，而是对数据进行处理、查找、计算等操作，并通过迭代器实现了对序列元素的遍历与访问。由于迭代器与算法是解耦的，因此非变易算法可以广泛地应用于各种容器上，提供了极高的通用性和灵活性。
STL（Standard Template Library）标准模板库提供了模板适配器和迭代器等重要概念，为开发者提供了高效、灵活和方便的编程工具。模板适配器是指一组模板类或函数，它们提供一种适配机制，使得现有的模板能够适应新的需求。而迭代器则是STL中的令一种重要的概念，它是一个抽象化的数据访问机制，通过迭代器可以遍历STL容器中的元素。适配器与迭代器两者的紧密配合，使得开发者能够高效地处理容器
一、用go语言，单链表上的动态集合操作 INSERT 能否在 O(1)时间内实现？DELETE 操作呢？ 文心一言： 在单链表中，INSERT 和 DELETE 操作的时间复杂度通常是 O(n)，其中 n 是链表中的元素数量。这主要是因为当你插入或删除元素时，你需要遍历链表来找到正确的插入或删除位置
发布于我的博客，也许同步更新于博客园 引入 跳表（跳跃表）能够维护一个数的集合（作用类似普通平衡树），查找时间复杂度为 \(\log n\)，与平衡树一样基于链表结构。由于不需要平衡树那么多旋转什么的，所以效率比较高，一般认为性能能打红黑树。除此以外，链表的特性使它能够以线性时间遍历某个子段。Red
`numpy`提供了简单灵活的接口，用于优化数据数组的计算。 通用计算最大的优势在于通过向量化操作，将循环推送至`numpy`之下的编译层，从而取得更快的执行效率。 `numpy`的通用计算让我们计算数组时就像计算单独一个变量一样， 不用写循环去遍历数组中的各个元素。 比如，对于一般的`python
翻遍整个互联网，我发现，关于领域驱动设计，大家都**理解错了**。 今天，我们尝试通过一篇文章的篇幅，给大家展示一个完全不同的视角，把“领域驱动设计”这六个字解释清楚。 ## 领域驱动设计学习资料现状 领域驱动设计的概念提出已经有20年的时间了，整个互联网充斥着大量书籍、文章和视频教程，这里我列举几
火遍推特的中国制霸生成器本周一开源就占据了两天的 GitHub Trending 榜，不知道你的足迹遍布了多少个省份呢？同样记录痕迹的 kanal 用了内存读写方式解决了 Rust 的消息处理问题，PHP 应用服务 frankenphp 大概也藏了一手自己的“记录”技能。 除了「记录」主题，RedE
目前，大模型的技术应用已经遍地开花。最快的应用方式无非是利用自有垂直领域的数据进行模型微调。chatglm2-6b在国内开源的大模型上，效果比较突出。本文章分享的内容是用chatglm2-6b模型在集团EA的P40机器上进行垂直领域的LORA微调。
麻广广@码猿外 研发效能这个词近几年火遍全网，各大企业都加入了研发效能治理的行列，开始梳理企业内部各个团队的研发流程，以期望找到企业降本增效的方向。 抛开政治因素，研发效能治理我们到底是在谈什么呢？从企业高管的视角出发，一定是看到了一些问题，才会有研发效能治理这个话题。从实施者的视角出发，研发效能治
这两年，随着人工智能（AI）和计算能力的发展，AI应用的落地速度大大加快。以ChatGPT为代表的AI应用迅速火遍全球，成为打工人的常用工具。紧接着，多模态、AI Agent等各种高大尚的名词也逐渐进入大众视野，吸引了大量关注。那么，到底什么是AI Agent？下文半支烟将带你详细了解这个概念。 1
https://zhuanlan.zhihu.com/p/217826075超线程技术并不能提升物理能力，通过优化CPU处理流程提升总体处理能力，大概15-20%。一般而言单线程处理能力下降大概在5-15%之间。 这遍文章是针对游戏发烧友的，如果是普通玩家或者是普通办公者，直接建议购买支持超线程CP
https://zhuanlan.zhihu.com/p/384436119 背景 在现实空间中，人类的活动范围和接触人的范围有限，人和人最初的信任是建立在小团体或部落内部。随着全球化进展，人类的活动已经遍布全球，通信极度发达，能够低延迟的在地球的两端进行通话，甚至是太空与地面的通话（参考：卫星互联
https://www.jianshu.com/p/6f9e6743a1dc 需求：有一个目录存放了数十万个文件，现在需要将这个目录上传，如果整个目录上传，中间因为某些故障断开连接了，可能又要从头开始 这时就需要将目录切割成多个小目录，分批次上传，一个简单的 shell 脚本即可实现 思路很简单：遍
接触过TensorFlow v1的朋友都知道，训练一个TF模型有三个步骤：定义输入和模型结构，创建tf.Session实例sess，执行sess.run()启动训练。不管是因为历史遗留代码或是团队保守的建模规范，其实很多算法团队仍在大量使用TF v1进行日常建模。我相信很多算法工程师执行sess.run()不下100遍，但背后的运行原理大家是否清楚呢？不管你的回答是yes or no，今天让我们一
大家有有没有这种感觉，就是怎么学习都学不会。感觉学的特别的吃力？ 学自动化那会报了个班，大家也知道松勤这个线上机构吧。我报了，并且自动化代码也敲了5，6遍，很多问题也问过老师，也回答的很敷衍，也嫌我笨。那时就自我怀疑我是不是真的很笨。后来自我怀疑到我是不是不适合干这行。也很想知道大家的学习方式是什么
