CompassArena 司南大模型测评--代码编写
测试角度
要说测试模型,对咱们程序员来说,那自然是写代码的能力强不强比较重要了。那么下面我们以 leetcode 中的一道表面上是困难题的题目来考考各家大模型,看看哪个才应该是咱们日常写程序的帮手。
部分模型回答
问题部分如下截图,后边就不再重复粘贴了,主要来看回答。我们注意到这里的难点在于在于对时间复杂度有要求,看看各个模型能不能注意到这一点。
出于篇幅,这里只贴出来结果比较好的几个模型进行点评。
Abab6.5 Chat (MiniMax) 结果
要找到两个正序数组的中位数,并且要求算法的时间复杂度为 O(log (m+n)),可以使用二分查找的方法。以下是一种可能的解决方案:
- 首先,确保
nums1
是较短的数组,如果不是,则交换nums1
和nums2
。 - 使用二分查找,在较短的数组
nums1
中查找合适的分割线,使得nums1
分割线左侧的元素和nums2
分割线右侧的元素个数之和等于nums1
分割线右侧的元素和nums2
分割线左侧的元素个数之和(或者相差1,如果总元素个数是奇数)。 - 通过比较
nums1
中分割线两侧的元素与nums2
中分割线两侧的元素,调整分割线的位置,直到找到正确的分割线位置。 - 根据分割线的位置,计算中位数。
下面是具体的算法实现:
def findMedianSortedArrays(nums1, nums2):# 确保 nums1 是较短的数组if len(nums1) > len(nums2):nums1, nums2 = nums2, nums1m, n = len(nums1), len(nums2)total_left = (m + n + 1) // 2# 在 nums1 的区间 [0, m] 里查找恰当的分割线,# 使得 nums1[i-1] <= nums2[j] && nums2[j-1] <= nums1[i]left, right = 0, mwhile left < right:i = left + (right - left) // 2j = total_left - iif nums1[i] < nums2[j - 1]:# i 需要增大left = i + 1else:# i 需要减小right = ii = leftj = total_left - i# 处理数组长度为奇数和偶数的情况nums1_left_max = float('-inf') if i == 0 else nums1[i - 1]nums2_left_max = float('-inf') if j == 0 else nums2[j - 1]nums1_right_min = float('inf') if i == m else nums1[i]nums2_right_min = float('inf') if j == n else nums2[j]if (m + n) % 2 == 1:return max(nums1_left_max, nums2_left_max)else:return (max(nums1_left_max, nums2_left_max) + min(nums1_right_min, nums2_right_min)) / 2# 示例
nums1 = [1, 3]
nums2 = [2]
print(findMedianSortedArrays(nums1, nums2)) # 输出 2.0nums1 = [1, 2]
nums2 = [3, 4]
print(findMedianSortedArrays(nums1, nums2)) # 输出 2.5
这个算法的时间复杂度是 O(log(min(m, n))),因为二分查找是在较短的数组上进行的。
Abab6.5 Chat (MiniMax) 点评
Abab6.5 Chat (MiniMax)给出的答案是python写的,估计训练使用python的代码比较多。模型注意到了时间复杂度,并且一直在强调,且给出的代码是可运行的,算法描述也比较清晰,代码的质量中规中矩,且加了注释,还不错。
Baichuan 4 (百川智能) 回答
为了找到两个有序数组的中位数,我们可以使用二分查找的方法来减少时间复杂度到O(log(min(m, n)))。以下是解决这个问题的步骤:
-
确保
nums1
是较短的数组,如果nums1
比nums2
长,交换它们。这样做是为了优化二分查找的性能。 -
在
nums1
上执行二分查找,找到适当的分割线,使得nums1
左边的元素和nums2
左边的元素一起组成了整个合并数组左边的一半,同时nums1
右边的元素和nums2
右边的元素组成右边的一半。 -
调整分割线,以确保左右两边的元素数量相等或最多相差一个,这取决于合并后数组长度的奇偶性。
-
计算中位数。如果合并后数组的长度是奇数,则中位数是两个数组左边部分的最大值。如果是偶数,则中位数是两个数组左边部分的最大值和两个数组右边部分的最小值的平均值。
下面是这个算法的Python代码实现:
def findMedianSortedArrays(nums1, nums2):# 确保nums1是较短的数组if len(nums1) > len(nums2):nums1, nums2 = nums2, nums1m, n = len(nums1), len(nums2)imin, imax, half_len = 0, m, (m + n + 1) // 2while imin <= imax:i = (imin + imax) // 2j = half_len - iif i < m and nums2[j-1] > nums1[i]:# i太小,必须增加它imin = i + 1elif i > 0 and nums1[i-1] > nums2[j]:# i太大,必须减小它imax = i - 1else:# i正好if i == 0: max_of_left = nums2[j-1]elif j == 0: max_of_left = nums1[i-1]else: max_of_left = max(nums1[i-1], nums2[j-1])if (m + n) % 2 == 1:return max_of_leftif i == m: min_of_right = nums2[j]elif j == n: min_of_right = nums1[i]else: min_of_right = min(nums1[i], nums2[j])return (max_of_left + min_of_right) / 2.0# 这种情况不应该发生,如果发生了说明输入有误raise ValueError("Input arrays are not sorted or other error occurred")# 示例
print(findMedianSortedArrays([1,3], [2])) # 输出: 2.00000
print(findMedianSortedArrays([1,2], [3,4])) # 输出: 2.50000
这段代码首先确保了nums1
是较短的数组,然后通过二分查找在nums1
上找到一个合适的索引i
,使得nums1
的前i
个元素和nums2
的前j
个元素共同构成了合并后数组的前一半。最后根据合并后数组长度的奇偶性来计算中位数。
Baichuan 4 (百川智能) 点评
我们看到,这里同样使用了python的解法,代码可运行,解法描述比较清晰,并且考虑到了错误处理,还是不错的。
ERNIE 4.0 8K 0329 (百度文心一言) 回答
要实现时间复杂度为 O(log(m+n)) 的算法来找到两个正序数组的中位数,可以使用二分查找的方法。但请注意,严格的 O(log(m+n)) 解决方案可能相当复杂。为了简化,如果我们允许一个稍微宽松的时间复杂度界限(例如,在某些情况下接近 O(log(min(m, n)))),我们可以采用一个更容易理解的方法。
下面是一个简化的方法,它基于二分查找,但并不是严格的 O(log(m+n)),而是更接近于 O(log(min(m, n))),因为它每次都在较短的数组上进行二分操作:
def findMedianSortedArrays(nums1, nums2):if len(nums1) > len(nums2):nums1, nums2 = nums2, nums1 # 确保 nums1 是较短的数组m, n = len(nums1), len(nums2)left, right = 0, mwhile left <= right:partitionX = (left + right) // 2 # 在 nums1 中的分割点partitionY = ((m + n + 1) // 2) - partitionX # 在 nums2 中的分割点# 确保左半部分都小于右半部分maxLeftX = float('-inf') if partitionX == 0 else nums1[partitionX - 1]minRightX = float('inf') if partitionX == m else nums1[partitionX]maxLeftY = float('-inf') if partitionY == 0 else nums2[partitionY - 1]minRightY = float('inf') if partitionY == n else nums2[partitionY]if maxLeftX <= minRightY and maxLeftY <= minRightX:# 已经找到了正确的划分if (m + n) % 2 == 0:return max(maxLeftX, maxLeftY, key=float) / 2 + min(minRightX, minRightY, key=float) / 2else:return max(maxLeftX, maxLeftY, key=float) # 总是取较大的左半部分作为中位数elif maxLeftX > minRightY: # 太靠右,需要向左调整right = partitionX - 1else: # 太靠左,需要向右调整left = partitionX + 1# 如果未找到中位数,则抛出异常(实际上,由于我们的逻辑,这里不会被执行到)raise ValueError("No median found")# 示例测试
print(findMedianSortedArrays([1, 3], [2])) # 输出: 2.0
print(findMedianSortedArrays([1, 2], [3, 4])) # 输出: 2.5
这个算法通过二分查找确定两个数组中的分割点,以确保左半部分的所有元素都小于或等于右半部分的所有元素。然后,根据分割点找到中位数。注意,这个解决方案在数组长度不等的情况下也能正确工作,并且处理了总数组长度是奇数还是偶数的情况。
虽然这个解决方案的时间复杂度并不是严格的 O(log(m+n)),但在很多实际应用中,它的性能已经足够好,并且比严格的 O(log(m+n)) 解决方案更容易理解和实现。如果需要严格的 O(log(m+n)) 解决方案,请参考一些高级的二分查找变种,它们通常涉及更复杂的边界条件和分割逻辑。
ERNIE 4.0 8K 0329 (百度文心一言) 点评
文心一言给的也是python的回答,可见python确实是比较常用。文心一言没有给出具体的算法步骤,但代码注释和中文描述都很流畅易懂,比百川智能要稍强一些。
Hunyuan Pro (腾讯混元) 回答
为了实现 O(log(m+n)) 的时间复杂度,我们可以使用二分查找的方法。首先,我们需要找到两个数组中较短的那个数组,并将其作为二分查找的主体。假设较短数组为 A,长数组为 B,我们可以在 A 中进行二分查找,找到一个位置 partitionA
,使得 A 中有 partitionA
个元素在左侧,有 len(A) - partitionA
个元素在右侧。同时,我们需要在 B 中找到一个位置 partitionB
,使得 B 中有 partitionB
个元素在左侧,有 len(B) - partitionB
个元素在右侧。这样,我们可以保证左侧的所有元素都小于等于右侧的所有元素。
接下来,我们需要判断当前的分割是否满足条件。如果满足条件,我们就可以计算中位数。如果不满足条件,我们需要根据实际情况调整二分查找的范围。
以下是具体的算法步骤:
- 找到较短的数组 A 和长数组 B。
- 初始化二分查找的范围:
imin = 0
,imax = len(A)
。 - 进行二分查找:
a. 计算partitionA = (imin + imax) // 2
。
b. 计算partitionB = (len(A) + len(B) + 1) // 2 - partitionA
。
c. 判断当前分割是否满足条件:- 如果
partitionA > 0
且A[partitionA-1] > B[partitionB]
,说明当前分割过于右侧,需要将imax
更新为partitionA - 1
。 - 如果
partitionA < len(A)
且A[partitionA] < B[partitionB-1]
,说明当前分割过于左侧,需要将imin
更新为partitionA + 1
。 - 否则,当前分割满足条件,可以计算中位数。
- 如果
- 计算中位数:
- 如果
(len(A) + len(B))
是奇数,那么中位数为max(A[partitionA-1], B[partitionB-1])
。 - 如果
(len(A) + len(B))
是偶数,那么中位数为(max(A[partitionA-1], B[partitionB-1]) + min(A[partitionA], B[partitionB])) / 2
。
- 如果
以下是 Python 代码实现:
def findMedianSortedArrays(nums1, nums2):if len(nums1) > len(nums2):nums1, nums2 = nums2, nums1m, n = len(nums1), len(nums2)imin, imax, half_len = 0, m, (m + n + 1) // 2while imin <= imax:partitionA = (imax + imin) // 2partitionB = half_len - partitionAif partitionA > 0 and nums1[partitionA - 1] > nums2[partitionB]:imax = partitionA - 1elif partitionA < m and nums2[partitionB - 1] > nums1[partitionA]:imin = partitionA + 1else:if partitionA == 0:max_of_left = nums2[partitionB - 1]elif partitionB == 0:max_of_left = nums1[partitionA - 1]else:max_of_left = max(nums1[partitionA - 1], nums2[partitionB - 1])if (m + n) % 2 == 1:return max_of_leftif partitionA == m:min_of_right = nums2[partitionB]elif partitionB == n:min_of_right = nums1[partitionA]else:min_of_right = min(nums1[partitionA], nums2[partitionB])return (max_of_left + min_of_right) / 2
这个算法的时间复杂度为 O(log(min(m, n))),满足题目要求。
Hunyuan Pro (腾讯混元) 点评
腾讯混元给出了具体的思路和具体步骤,并给出了常规的python解答,还是不错的。
Mixtral 8x22B Instruct (Mistral) 回答
这个问题可以使用二分查找的思想来解决。
首先,我们需要找到两个数组的中位数,如果两个数组的长度之和为奇数,那么中位数就是中间那个数,如果为偶数,那么中位数就是中间两个数的平均值。
我们可以定义两个指针,分别指向两个数组的开头,然后我们可以不断地比较这两个指针所指向的数,将较小的那个数放入一个新的数组中,直到我们找到中位数。
具体实现如下:
def findMedianSortedArrays(nums1, nums2):nums = nums1 + nums2nums.sort()length = len(nums)if length % 2 == 0:return (nums[length // 2] + nums[length // 2 - 1]) / 2else:return nums[length // 2]
这个实现的时间复杂度是 O(m+n),因为我们需要将两个数组合并成一个数组,然后排序,最后找到中位数。但是这个实现并不满足题目要求的时间复杂度为 O(log(m+n))。
为了满足题目要求的时间复杂度,我们可以使用二分查找的思想。具体实现如下:
def findMedianSortedArrays(nums1, nums2):if len(nums1) > len(nums2):nums1, nums2 = nums2, nums1x, y = len(nums1), len(nums2)start = 0end = xwhile start <= end:partitionX = (start + end) // 2partitionY = ((x + y + 1) // 2) - partitionXmaxLeftX = float('-inf') if partitionX == 0 else nums1[partitionX - 1]minRightX = float('inf') if partitionX == x else nums1[partitionX]maxLeftY = float('-inf') if partitionY == 0 else nums2[partitionY - 1]minRightY = float('inf') if partitionY == y else nums2[partitionY]if maxLeftX <= minRightY and maxLeftY <= minRightX:if (x + y) % 2 == 0:return max(maxLeftX, maxLeftY), min(minRightX, minRightY)else:return max(maxLeftX, maxLeftY)elif maxLeftX > minRightY:end = partitionX - 1else:start = partitionX + 1
这个实现的时间复杂度是 O(log(min(m, n))),因为我们使用二分查找的思想,每次都将问题规模减半。
这个实现的基本思想是,我们需要找到两个数组的中位数,因此我们需要将这两个数组分成两部分,使得左半部分的最大值小于等于右半部分的最小值。如果左半部分的最大值大于右半部分的最小值,那么我们就需要将分割点向左移动,否则我们就需要将分割点向右移动。
当我们找到了分割点后,我们就可以根据两个数组的长度来判断中位数是左半部分的最大值还是右半部分的最小值。如果两个数组的长度之和为奇数,那么中位数就是左半部分的最大值,如果为偶数,那么中位数就是左半部分的最大值和右半部分的最小值的平均值。
Mixtral 8x22B Instruct (Mistral) 点评
Mistral给出了两个思路,并且给出了对应代码的解析,中文描述也很流畅。对于这个我不是很熟的模型,我感觉还是不错的。
Qwen Max 0428 (阿里通义千问)回答
这个问题可以通过使用二分查找算法来解决,以达到O(log(min(m, n)))的时间复杂度,而不是题目要求的O(log(m+n)),但这是解决此问题最有效的方法。下面是详细的解决方案:
首先,确定哪个数组作为“较小”的数组可以简化问题。我们希望在两个数组之间进行相等划分,因此将较小的数组作为分割操作的目标会更高效。如果m > n,就交换两个数组,确保nums1是两个数组中较小或相等的那个。
然后,我们定义一个函数findKthElement
用来寻找两个已排序数组中的第k小元素。这个函数的核心思想是使用二分查找法在nums1数组上找到一个位置i,使得nums1[i-1] <= nums2[k-i] && nums2[k-i-1] <= nums1[i]。这样,第k小的元素要么是nums1[i],要么是nums2[k-i],具体取决于它们的相对位置和值。
以下是该算法的Python实现:
def findMedianSortedArrays(nums1, nums2):# 确保nums1是较短的数组if len(nums1) > len(nums2):nums1, nums2 = nums2, nums1x, y = len(nums1), len(nums2)low, high = 0, xwhile low <= high:partitionX = (low + high) // 2partitionY = (x + y + 1) // 2 - partitionX# 如果partitionX是0,说明我们已经超出了nums1的左侧边界,此时nums1[-1]相当于一个负无穷maxLeftX = float('-inf') if partitionX == 0 else nums1[partitionX - 1]# 类似地处理nums1的右侧边界minRightX = float('inf') if partitionX == x else nums1[partitionX]maxLeftY = float('-inf') if partitionY == 0 else nums2[partitionY - 1]minRightY = float('inf') if partitionY == y else nums2[partitionY]if maxLeftX <= minRightY and maxLeftY <= minRightX:# 找到了正确的分区if (x + y) % 2 == 0:# 数组总长度为偶数return max(maxLeftX, maxLeftY), min(minRightX, minRightY)else:# 数组总长度为奇数return max(maxLeftX, maxLeftY)elif maxLeftX > minRightY:# 缩小nums1的右边界high = partitionX - 1else:# 扩大nums1的左边界low = partitionX + 1# 上述逻辑应始终能找到答案,理论上不会执行到这一步return None
这段代码实现了寻找两个有序数组中位数的功能,符合题目要求。注意,虽然这里的解释提到时间复杂度为O(log(min(m, n))),但实际解决问题的思路是正确的,且效率较高,满足题目的实际需求。
Qwen Max 0428 (阿里通义千问)点评
通义千问这个大家都比较熟悉了,它给出了思路和代码,并且代码有注释,但没有给测试用例,整体还是不错的。
测评总结
在这道题上,文中的各个模型都给出了不错的回答。从整体上来看,以下是各个模型在我心目中的排名:
- Mistral
- Qwen Max 0428
- 腾讯混元
- 百度文心一言
- MiniMax
- 百川智能
相关文章:
CompassArena 司南大模型测评--代码编写
测试角度 要说测试模型,对咱们程序员来说,那自然是写代码的能力强不强比较重要了。那么下面我们以 leetcode 中的一道表面上是困难题的题目来考考各家大模型,看看哪个才应该是咱们日常写程序的帮手。 部分模型回答 问题部分如下截图&#…...
叉积和法向量学习笔记
目录 叉积用的内积 相似点 给定平面上的两个向量 A 和 B,叉积和法向量相等吗 理解这点的关键: 结论: 叉积判断平面内两个向量是否相交 叉积(Cross Product)和法向量(Normal Vector)确实有…...
YZW900规格书
title: “深圳市沃进科技有限公司” 深圳市沃进科技有限公司 TOP视图 特性 异地组网,远程访问有线/无线备份单模双卡备份5G转有线,5G转WIFI2.4G5.8G双频WIFI三网口,WAN/LAN可切换软硬件看门狗智能防掉线云平台、客户端远程管理安装支架安装铝…...
9岁学生学什么编程好一些:探索编程启蒙的奥秘
9岁学生学什么编程好一些:探索编程启蒙的奥秘 在数字时代,编程已逐渐成为一项基本技能。对于9岁的学生来说,选择适合的编程课程或平台,对于培养逻辑思维、创新思维以及解决问题的能力至关重要。那么,9岁学生学什么编程…...
Java反射实战指南:反射机制的终极指南
1. 反射机制简介 在Java中,反射机制提供了一种强大的工具,用于在运行时检查类、接口、字段和方法。但它的重要性不止于此,它允许程序动态加载、探索和使用编译时完全未知的代码。这种能力是Java语言支持的一种“动态”特性,使得J…...
高效训练超越LoRA,北航发布MoRA
什么!LoRA我都没有学懂,又出现了MoRA??? LoRA作为当下最火热的大语言模型参数高效微调技术,正在以前所未有的速度迭代更新。从最初的LoRA到陆续推出的LoRA、DoRA、AsyLoRA等变体,LoRA家族可谓是…...
【Spring】Spring之依赖注入源码解析(上)
目录 Spring中到底有几种依赖注入的方式? 手动注入 自动注入 XML的autowire自动注入 Autowired注解的自动注入 寻找注入点 桥接方法 注入点进行注入 字段注入 Set方法注入 Spring中到底有几种依赖注入的方式? 首先分两种: 手动注…...
HBase 常用 shell 操作
下面给大家介绍一些HBase 常用 shell 操作,各位看官看好了啦,我要献丑了。 进入 HBase 客户端命令操作界面 $ bin/hbase shell查看帮助命令 > help查看当前数据库中有哪些表 > list创建一张表 创建 user 表,包含 info、data 两个列…...
【区分vue2和vue3下的element UI InputNumber 计数器组件,分别详细介绍属性,事件,方法如何使用,并举例】
在 Vue 2 中,Element UI 提供了 el-input-number 组件作为计数器组件,用于处理数字输入。而在 Vue 3 中,Element Plus 同样提供了类似的组件,但可能有一些属性、事件或方法的细微差异。下面我将分别介绍 Vue 2 的 Element UI 和 V…...
科普健康短视频:成都鼎茂宏升文化传媒公司
科普健康短视频:引领健康知识新潮流 在数字化时代的浪潮中,短视频以其短小精悍、直观易懂的特点,迅速成为大众获取信息的重要渠道。其中,科普健康短视频更是凭借其科学、权威、实用的内容,吸引了大量关注健康的观众。…...
Amis源码构建 sdk版本
建议在linux环境下构建(mac环境下也可以),需要用到sh脚本(amis/build.sh)。 Js sdk打包是基于fis进行编译打包的,具体可见fis-conf.js: amis-master源码下载:https://github.com/baidu/amis g…...
【MySQL数据库】:MySQL复合查询
目录 基本查询回顾 多表查询 自连接 子查询 单行子查询 多行子查询 多列子查询 在from子句中使用子查询 合并查询 前面我们讲解的mysql表的查询都是对一张表进行查询,在实际开发中这远远不够。 基本查询回顾 【MySQL数据库】:MySQL基本查…...
PS Mac Photoshop 2024 for Mac[破]图像处理软件[解]PS 2024安装教程[版]
Mac分享吧 文章目录 效果一、准备工作二、开始安装1、Anticc简化版安装1.1双击运行软件,安装1.2 解决来源身份不明的开发者问题**此代码为打开:系统偏好设置 – 隐私与安全性,中的【任何来源】,如下图:**1.3 再次运行…...
深入URP之Shader篇16: UNITY_BRANCH和UNITY_FLATTEN
Shader中的if分支 我们在shader中写if语句,例如: if(a>0){//do some cool thing }else{//do other cool thing }实际上,编译器会进行优化,以及处理成多种不同的情况。比如编译器会将if和else展开,分别执行其中的代…...
5.25.1 用于组织病理学图像分类的深度注意力特征学习
提出了一种基于深度学习的组织病理学图像分类新方法。我们的方法建立在标准卷积神经网络 (CNN) 的基础上,并结合了两个独立的注意力模块,以实现更有效的特征学习。 具体而言,注意力模块沿不同维度推断注意力图,这有助于将 CNN 聚焦于关键图像区域,并突出显示判别性特征通…...
uni-app+php 生成微信二维码 分销海报
主要代码如下,可直接复制调试参数: //查询当前用户是否有分销海报public function user_poster(){$this->checkAuth();//查询会员信息$user $this->getUserInfoById($this->user_id);if(!empty($user[distribution_img])){$result[data] $use…...
已解决java.lang.annotation.AnnotationFormatError: 注解格式错误的正确解决方法,亲测有效!!!
已解决java.lang.annotation.AnnotationFormatError: 注解格式错误的正确解决方法,亲测有效!!! 亲测有效 报错问题解决思路 解决方法解决方法1. 检查注解定义2. 验证注解使用位置3. 检查注解参数4. 更新依赖库5. 示例代码 解决思路…...
使用 EBS 和构建数据库服务器并使用应用程序与数据库交互
实验 4:使用 EBS 实验概览 本实验着重介绍 Amazon Elastic Block Store (Amazon EBS),这是一种适用于 Amazon EC2 实例的重要底层存储机制。在本实验中,您将学习如何创建 Amazon EBS 卷、将其附加到实例、向卷应用文件系统,然后进…...
pom文件新增依赖时异常问题定位技巧
今天新增复制两个依赖到项目时,莫名其妙一个爆红artifactId和version,另一个爆红version,但放其他项目却正常,非常莫名其妙。经过一番折腾,终于发现不知道什么时候不小心多写了一个单独的导致的,但是这个异…...
【小白专用24.5.30已验证】Composer安装php框架thinkPHP6的安装教程
一、框架介绍 1、框架简介和版本选择 Thinkphp是一种基于php的开源web应用程序开发框架ThinkPHP框架,是免费开源的、轻量级的、简单快速且敏捷的php框架。你可以免费使用TP框架,甚至可以将你的项目商用; ThinkPHP8.0 是目前框架正式版的最新版…...
ch4网络层---计算机网络期末复习(持续更新中)
网络层概述 将分组从发送方主机传送到接收方主机 发送方将运输层数据段封装成分组 接收方将分组解封装后将数据段递交给运输层网络层协议存在于每台主机和路由器上 路由器检查所有经过它的IP分组的分组头 注意路由器只有3层(网络层、链路层、物理层) 网络层提供的服务 一…...
数据库(12)——DQL聚合查询
常见的聚合函数 将一列数据作为一个整体,进行纵向计算。 函数功能count统计数量max最大值min最小值avg平均值sum求和 语法 SELECT 聚合函数 (字段列表)FROM 表名; 示例 这是我们的原始表: 求人物总数 select count(id) from in…...
MYSQL四大操作——查!查!查!
目录 简洁版: 详解版: SQL通用语法: 分类: 1. DDL —库 1.1 查询: 1.2 创建: 1.3 删除 1.4 使用库 2. DDL—表 2.1 查询 2.1.1 查询当前库的所有表: 2.1.2 查询表结构 : 2.1.…...
Linux静态库与动态库加载
了解库: 关于库相比大家之前肯定使用过,比如C/C里面的标准库,STL里面的各种库,我们在调用STL里的容器时都需要使用库,那么库到底是什么呢? 库的本质就是可执行程序的"半成品" 我们先来回顾一下代…...
Whisper-AT:抗噪语音识别模型(Whisper)实现通用音频事件标记(Audio Tagger)
本文介绍一个统一音频标记(Audio Tagger)和语音识别(ASR)的模型:Whisper-AT,通过冻结Whisper的主干,并在其之上训练一个轻量级的音频标记模型。Whisper-AT在额外计算成本不到1%的情况下…...
K8s:Pod初识
Pod Pod是k8s处理的最基本单元。容器本身不会直接分配到主机上,封装为Pod对象,是由一个或多个关系紧密的容器构成。她们共享 IPC、Network、和UTS namespace pod的特征 包含多个共享IPC、Network和UTC namespace的容器,可直接通过loaclhos…...
HCIP-Datacom-ARST自选题库__MAC【14道题】
一、单选题 1.缺省情况下,以下哪种安全MAC地址类型在设备重启后表项会丢失? 黑洞MAC地址 Sticky MAC地址 安全动态MAC地址 安全静态MAC地址 2.华为交换机MAC地址表中的动态sticky MAC地址的默认老化时间是多少秒? 300 不会老化 400 500 3.华为交换机MA…...
Go基础编程 - 03 - init函数、main函数、_(下划线)
目录 1. init 函数2. main 函数3. init 函数与 main 函数异同4. _ (下划线)示例 1. init 函数 Go语言中,init 函数用于包(package)的初始化。具有以下特征: 1. init 函数用于程序执行前包的初始化,如初始化变量等。2…...
【TensorFlow深度学习】LeNet-5卷积神经网络实战分析
LeNet-5卷积神经网络实战分析 LeNet-5卷积神经网络实战分析:从经典模型到现代实践LeNet-5的历史背景LeNet-5网络架构实战代码解析实战分析结论 LeNet-5卷积神经网络实战分析:从经典模型到现代实践 在深度学习的历程中,LeNet-5无疑是一座里程…...
错误发生在尝试创建一个基于有限元方法的功能空间时
问题: index cell.index(#直接使用从0开始的索引if0<1ndex<10: #正集流体 subdomains_x[cell,index(] 1 fem1 /usr/bin/python3.8 /home/wy/PycharmProjects/pythonProject2/fem1.pyUnknown ufl object type FiniteElementTraceback (aost recent call last)…...
【八股】Hibernate和JPA:理解它们的关系
在Java开发中,持久化框架是至关重要的工具,它们帮助开发者将Java对象与关系数据库中的数据进行映射和管理。Hibernate和JPA(Java Persistence API)是两个广泛使用的持久化框架。那么,Hibernate和JPA之间到底是什么关系…...
C++类型参数技术以及常见的类型擦除容器
文章目录 一、类型擦除的作用二、常见的类型擦除容器1.std::any2.std::function3.std::shared_ptr\<void\>和 std::unique_ptr\<void\>4.总结 三、实现一个any参考 类型擦除(Type Erasure)是一种编程技术,通过它可以在运行时存储…...
SpringBoot如何缓存方法返回值?
Why? 为什么要对方法的返回值进行缓存呢? 简单来说是为了提升后端程序的性能和提高前端程序的访问速度。减小对db和后端应用程序的压力。 一般而言,缓存的内容都是不经常变化的,或者轻微变化对于前端应用程序是可以容忍的。 否…...
C#的web项目ASP.NET
添加实体类和控制器类 using System; using System.Collections.Generic; using System.Linq; using System.Web;namespace WebApplication1.Models {public class Company{public string companyCode { get; set; }public string companyName { get; set; }public string com…...
Spring MVC 源码分析之 DispatcherServlet#getHandlerAdapter 方法
前言: 前面我们分析了 Spring MVC 的工作流程源码,其核心是 DispatcherServlet#doDispatch 方法,我们前面分析了获取 Handler 的方法 DispatcherServlet#getHandler 方法,本篇我们重点分析一下获取当前请求的适配器 HandlerAdapt…...
假设检验学习笔记
1. 假设检验的基本概念 1.1. 原假设(零假设) 对总体的分布所作的假设用表示,并称为原假设或零假设 在总体分布类型已知的情况下,仅仅涉及总体分布中未知参数的统计假设,称为参数假设 在总体分布类型未知的情况下&#…...
vue3 watch学习
watch的侦听数据源类型 watch的第一个参数为侦听数据源,有4种"数据源": ref(包括计算属性) reactive(响应式对象) getter函数 多个数据源组成的数组。 //ref const xref(0)//单个ref watch(x,(newX)>{console.…...
推荐的Pytest插件
推荐的Pytest插件 Pytest的插件生态系统非常丰富,以下是一些特别推荐的Pytest插件: pytest-sugar 这个插件改进了Pytest的默认输出,添加了进度条,并立即显示失败的测试。它不需要额外配置,只需安装即可享受更漂亮、更…...
C语言 | Leetcode C语言题解之第124题二叉树中的最大路径和
题目: 题解: /*** Definition for a binary tree node.* struct TreeNode {* int val;* struct TreeNode *left;* struct TreeNode *right;* };*/ int max; int dfs(struct TreeNode* root){if(!root) return 0;int left dfs(root->left…...
Linux综合实践(Ubuntu)
目录 一、配置任务 1.1 配置该服务器的软件源为中科大软件源 1.2 安装相关软件openssh-server和vim 1.3 设置双网卡,网卡1为NAT模式,网卡2为桥接模式(桥接模式下,使用静态ip,该网卡数据跟实验室主机网络设置相似,除…...
C++面试题其二
19. STL中unordered_map和map的区别 unordered_map 和 map 都是C标准库中的关联容器,但它们在实现和性能方面有显著区别: 底层实现:map 是基于红黑树实现的有序关联容器,而 unordered_map 是基于哈希表实现的无序关联容器。元素…...
系统架构设计师【第9章】: 软件可靠性基础知识 (核心总结)
文章目录 9.1 软件可靠性基本概念9.1.1 软件可靠性定义9.1.2 软件可靠性的定量描述9.1.3 可靠性目标9.1.4 可靠性测试的意义9.1.5 广义的可靠性测试与狭义的可靠性测试 9.2 软件可靠性建模9.2.1 影响软件可靠性的因素9.2.2 软件可靠性的建模方法9.2.3 软件的可靠性模…...
x264 参考帧管理原理:i_poc_type 变量
x264 参考帧管理 x264 是一个开源的 H.264 视频编码软件,它提供了许多高级特性,包括对参考帧的高效管理。参考帧管理是视频编码中的一个重要部分,它涉及到如何存储、更新和使用已经编码的帧以提高编码效率。 x264 参考帧管理的一些关键点总结如下: 参考帧的初始化和重排序:…...
高级Web Lab2
高级Web Lab2 12 1 按照“Lab 2 基础学习文档”文档完成实验步骤 实验截图: 2 添加了Web3D场景选择按钮,可以选择目标课程或者学习房间。...
Linux网络-使用Tcp协议进行网络通信并通过网络接口实现远端翻译
文章目录 Tcp协议Tcp协议常见API接口1. int socket(int domain, int type, int protocol);2. int bind(int socket, const struct sockaddr *address, socklen_t address_len);struct sockaddr 3. int listen(int socket, int backlog);4. int accept(int socket, struct socka…...
实时数据传输:Django 与 MQTT 的完美结合
文章目录 准备工作创建 Django 项目与应用设置 MQTT 服务器编写 Django 视图编写前端模板发布 MQTT 消息运行 Django 项目 在当今互联网应用中,实时数据传输已经成为许多项目的核心需求。无论是社交媒体平台、在线游戏、金融交易还是物联网设备,都需要及…...
创建Django项目及应用
1 创建Project 1个Project可以对应多个app django-admin startproject myproject 2 创建App python manage.py startapp app01 INSTALLED_APPS [# ...app01,app02,# ... ] 如果要让这个应用在项目中起作用,需要在项目的 settings.py 文件的 INSTALLED_APPS 配置…...
Flutter课程分享 -(系统课程 基础 -> 进阶 -> 实战 仿京东商城)
前言 在移动应用开发的世界中,Flutter 作为一款由 Google 推出的开源 UI 软件开发工具包,正迅速赢得开发者们的青睐。其跨平台、高性能、丰富的组件库以及易于学习的特性,使得 Flutter 成为许多开发者的不二选择。然而,对于初学者…...
IDEA 中导入脚手架后该如何处理?
MySQL数据库创建啥的,没啥要说的!自行配置即可! 1.pom.xml文件,右键,add Maven Project …………(将其添加为Maven)【下述截图没有add Maven Project 是因为目前已经是Maven了!&…...
thinkphp6 queue队列的maxTries自定义
前景需求:在我们用队列的时候发现maxtries的个数时255次,这个太影响其他队列任务 我目前使用的thinkphp版本是6.1 第一部定义一个新的类 CustomDataBase(我用的mysql数据库存放的队列) 重写__make 和createPlainPayload方法 …...