摘要：
随便写写记记 罗素茶壶：一个主张的不可证伪性，并不能成为相信它的理由。 爱是一场博弈，必须保持永远与对方不分伯仲、势均力敌，才能长此以往地相依相息。因为过强的对手让人疲惫，太弱的对手令人厌倦。 《简爱》 python函数参数确定 import inspect # 假设你已经完成了model的实例化（ 阅读全文
posted @ 2025-10-28 23:26
wljss
阅读(17)
评论(0)
推荐(0)
摘要：
开坑中，欢迎投稿 海盗分金问题 问题 有五个海盗，在海上抢来了一百个金子。五个海盗都很贪婪，他们都希望自己能分得最多的金子，但同时又都很明智。于是他们按照抽签的方法，排出一个次序。首先由抽到一号签的海盗说出一套分金的方案，如果5个人中有50％以上（不含50％）的人同意，那么便依照这个方案执行，否则的 阅读全文
posted @ 2025-02-25 20:56
wljss
阅读(143)
评论(2)
推荐(2)
摘要：
正在学习，开坑中，想到哪写到哪吧 SSH 端口转发 要在本地访问服务器上运行的 Gradio 界面，可以通过 SSH 端口转发（隧道），将服务器的 Gradio 端口映射到本地。 ssh -L 7861:127.0.0.1:7860 ubuntu@172.23.148.87 -p 50850 然后浏 阅读全文
posted @ 2025-02-13 18:21
wljss
阅读(35)
评论(0)
推荐(0)
摘要：
本人太懒，但是遇到有意思的题又不想放过，所以下面只写思路没有代码。 持续更新中 最大最小 就是问你有多少个区间满足区间最大值是区间最小值的两倍。 乍一看不太可做，实际上是个二分。 枚举左端点，右端点变大的过程中，区间最大值不会变小，区间最小值不会变大，\(\frac{区间最大值}{区间最小值}\)不 阅读全文
posted @ 2021-12-15 15:56
wljss
阅读(153)
评论(1)
推荐(0)
摘要：
2020.6.16 原本以为HEOI取消了，昨天晚上难受了一晚上。QAQ 上午俩某郸一中的人在洛谷上怼了起来，还好我大hsez的人不会这样干。 貌似取消这个事情更加确信了。 但是！在下午3点左右，我们收到了通知 关于HEOI，它SXOI了。 可能这就是复活吧 晚上接到通知，关于HEOI，它HAOI了 阅读全文
posted @ 2020-06-17 11:46
wljss
阅读(613)
评论(2)
推荐(3)
摘要：
以下为扯淡内容 Waring！：CSP前的题解略微有些不忍直视 血的教训：样例解释不可信 Q：为什么我叫 \(wljss\) ? A:在做某道神奇的字符串题目时rand()出了 \(wljss\)，根据拼音你可以叫我 王老吉叔叔/物理竞赛生 以上为扯淡内容 没错，我是 \(wljss\) ，一个很菜 阅读全文
posted @ 2019-10-06 18:25
wljss
阅读(1119)
评论(0)
推荐(3)
摘要：
改编自豆包 前置知识点1：矩阵的秩 矩阵的秩rank，就是这个矩阵里「不重复、不冗余的有效信息的数量」。 比如一个矩阵里所有行都是第一行的倍数，那所有信息都能从第一行推出来，它的秩就是1；如果有2行完全独立、没法互相推导，剩下的行都能从这2行推出来，秩就是2。 公式定义： 对任意矩阵 \(A \in 阅读全文
posted @ 2026-03-17 17:24
wljss
阅读(1)
评论(0)
推荐(0)
摘要：
改编自豆包 先从自编码器（AE） 说起，再讲VAE是怎么把它升级成能生成新内容的「变分自编码器」。 先搞懂基础——自编码器（AE）是什么？ 大白话：AE就是一个「压缩-还原」的AI机器，分两个核心部分： 编码器：把输入的样本（比如一张人脸照片x），压缩成一个很短的特征码z（也叫隐变量，相当于这张脸的 阅读全文
posted @ 2026-03-14 16:37
wljss
阅读(13)
评论(0)
推荐(0)
摘要：
KL 散度（全称 Kullback-Leibler Divergence，也叫相对熵），本质就是衡量两个概率分布的 “不一样程度”，更准确地说：用一个近似分布去描述真实分布时，会损失 / 多浪费多少信息。 两个基础的概念： 概率分布：就是一件事所有可能结果的出现概率。比如抛正常硬币，正面 50%、反 阅读全文
posted @ 2026-03-14 13:41
wljss
阅读(28)
评论(0)
推荐(0)
摘要：
维基百科:熵的概念最早起源于物理学，用于度量一个热力学系统的无序程度。在信息论里面，熵是对不确定性的测量。但是在信息世界，熵越高，则能传输越多的信息，熵越低，则意味着传输的信息越少。 简单来说，信息熵 = 一件事的「不确定程度」。 越猜不准、越没谱、结果越乱，熵就越高；板上钉钉、完全没悬念的事，熵就 阅读全文
posted @ 2026-03-13 16:55
wljss
阅读(10)
评论(0)
推荐(0)
摘要：
先验是在观察数据或证据之前基于已有知识形成的判断或信念。 后验是在观察数据或证据之后，综合了新旧信息更新而成的判断或信念。 贝叶斯公式: \[P(D|T) = \frac{ P(T|D) × P(D) }{P(T)} \]例子:疾病检测 先验：某疾病在总人口中的患病率是1%（基于历史数据）。 证据： 阅读全文
posted @ 2026-02-06 20:40
wljss
阅读(33)
评论(0)
推荐(0)
摘要：
策略梯度方法的核心思想 在强化学习中，策略梯度（Policy Gradient, PG）方法直接对策略本身进行参数化并优化，而不是先学价值函数再间接导出策略。 策略： \[\pi_\theta(a \mid s) \]用参数 \(\theta\)（通常是神经网络）表示在状态 \(s\) 下选择动作 阅读全文
posted @ 2026-02-06 20:16
wljss
阅读(27)
评论(0)
推荐(0)
摘要：
用来匹配字符串用的。 字符串前面加上r表示原生字符串，用来禁用反斜杠\的转义功能。 未完待续 阅读全文
posted @ 2025-09-01 19:51
wljss
阅读(11)
评论(0)
推荐(0)
摘要：
代码如下 #include <iostream> #include <fstream> #include <string> #include <chrono> #include <thread> int main() { // 定义文件路径，需要注意文件夹/home/wljss/my_log需要存在 阅读全文
posted @ 2025-02-21 11:01
wljss
阅读(48)
评论(0)
推荐(0)
浙公网安备 33010602011771号