GenAI 与 LLM LLM（Large Language Model）. 模型的参数越大，其记忆越大，能处理的任务也越复杂。而较小的模型更可能在一些特定领域表现优异。 一般使用都是直接用模型或者加以微调，很少自己从头训练新模型（成本太高）。我们传递给大模型语言指令（Prompt），Prompt 可用的空间或者记忆被称作上下文窗口（Context Window），可以存放几千个字；模型输出叫做

前言 我之前一直是音乐平台会员听歌，然后面临的几种问题有： 自己搭建音乐库也会有一些问题，比如自己挨个搜索歌曲资源下载（此处我仅分享网友思路，不推荐做任何侵犯权益行为）很麻烦，还有全平台同步的问题，在电脑上下载好了手机上也能同步更新歌曲列表吗。 然后参考一些 GPT 和网友建议，我的 win 电脑和 Android 手机的音乐库方案最终选定 AIMP 播放器 + OneDrive + Folder

前言 我的个人 hexo 博客地址：https://jingqing3948.github.io . 之前感觉启动加载特别特别慢，得 10s 左右，但是看其他人的 hexo 博客加载都比较快。然后我就总感觉不知道是我部署在 github pages 上的问题，还是图床用 github 仓库的问题，还是主题性能比较差的问题……后来发现其实是自己的配置问题，哈哈。 现在基本能在 3s 内完成加载了，虽

前言 学习自 Coursera 的吴恩达老师机器学习系列。 机器学习定义 计算机不经过明确编程的情况下进行学习的研究领域。比如相比直接编程告诉计算机怎么下棋更容易取胜，让计算机自己经过多次尝试总结形成一个具有较高胜率的下棋模型，每一步自行预测下一步棋怎么走让最终胜率更大。 在 KCL 机器学习笔记中我们学习过：推理（Inference）和学习（Learning）的区别。推理是已知模

前言 其实博主从大二开始闲着没事陆续刷 leetcode 也刷了不少了，但是感觉都是没什么思想地刷，可能大多数题能记住解法，但是很多题再看到第一眼还是想不到什么双指针，滑窗之类的优解，没有这个意识，要扫一眼题解的方法才会恍然大悟“哦对哦可以这么做的”然后才能写出来。 所以这回（第 N 次为了面试做准备而重刷，从代码随想录开始，我还没试过这个）我决定重点在于“看到题目如何构思解法”的分析上。比如双指

黑马点评项目介绍 类似大众点评。 要实现的功能： 项目导入 基础代码，数据库等，不过多赘述。 项目架构 不是微服务是单体架构模式，因为重点还是在 Redis 学习上。Springboot 那个课涉及微服务实战，我后面应该也会学习一下。 架构图如下，前后端分离，开发完成后前后端分别部署在 Nginx 和 Tomcat 上。 后期这个项目可能还会做一些水平横向扩展，比如多 Tomcat 集群数据共享等

前言 学习自：【黑马程序员Redis入门到实战教程，深度透析redis底层原理+redis分布式锁+企业解决方案+黑马点评实战项目】 SQL vs. NoSQL 除了键值类型，还有文档类型，列类型，图类型等 NoSQL。 Redis Redis Remote Dictionary Server 是一种基于内存的键值对数据库，被创造的原因就是 MySQL 性能太差。里面没有表什么的结构，就是存储一对

重点学习 100 热题中的优化解。 哈希 1. 两数之和 优化方法：把数组的下标和值放到一个哈希表中。为什么是哈希表？因为哈希表的键唯一，满足我们这道题的需求。 比如数组是 ，找到之和 = 10 的下标。我用最简单的遍历方法获取： 第一次遍历，3+3,3+6 都不符合。 第二次遍历，又出现了 3+6，这个计算结果我们之前已经出现过，可以优化掉不用再计算一次的。 所以我们可以把数组的下

Introduction software types general: developed for a general market. (ps, office) custom: developed for a particular aim. (embeded system) good software features delivers required functionality usable

前言 本文学习自：存算一体芯片深度产业报告——作者：量子位 报告链接：存算一体是啥新趋势？值得教授学者纷纷下海造芯 | 附报告下载 - 知乎 (zhihu.com)，侵删！ 存算一体技术概述 “存算一体”技术的起因在于传统冯诺依曼架构芯片无法满足不断提升的算力与低功耗需求。随着晶体管的体积越来越小，摩尔定律逐渐失效（会引发量子隧穿等反应），导致存储器与处理器之间的数据传输成为 CPU 性能的瓶颈，