Johnny-Zhao's TechBlog

git 学习，笔记参考 Peter Cottle 的：https://learngitbranching.js.org/?locale=zh_CN&NODEMO= Git branchgit 的分支非常轻量，只是指向某一个提交记录。 也就是相当于一个指针，指向一个 commit，git checkout 是切换分支。 再次进行 git commit 的时候，main 会更新...

1.1 量子计算原理 量子比特概念介绍 量子计算是一种基于量子力学基本原理的信息处理范式，它利用量子叠加、量子纠缠和量子干涉等现象，解决经典计算机无法高效处理的问题。 在经典计算机中，信息的基本单元是比特（bit），只以 0 和 1 两种可能的形式存储信息。而在量子计算中，基本单元是量子比特（Qubit），它可以存储 0 和 1 的任何叠加状态（比如 64% 可能是 1，36% 可能是 0）...

循环神经网络（Rerrent Neural Network, RNN） **是神经网络的一种，****RNN 对具有序列特性的数据非常有效，它能挖掘数据中的时序信息以及语义信息，**利用了 RNN 的这种能力，使深度学习模型在解决语音识别、语言模型、机器翻译以及时序分析等 NLP 领域的问题时有所突破。 A. 挖掘“时序信息” (Mining Temporal Information)这指的...

下面来讨论一下隐藏层的节点数设计。在设计一个神经网络时，输入层的节点数需要与特征的维度匹配，输出层的节点数要与目标的维度匹配。而中间层的节点数，却是由设计者指定的。因此，“自由”把握在设计者的手中。但是，节点数设置的多少，却会影响到整个模型的效果。如何决定这个自由层的节点数呢？目前业界没有完善的理论来指导这个决策。一般是根据经验来设置。较好的方法就是预先设定几个可选值，通过切换这几个值来看整...

由于实习等一系列事情，leetcode 更新暂时延缓，只保留每日刷一道题，知识点学习暂且搁置 下面是 llm 前置知识，在这部分结束后，我将更新经典论文阅读。 神经网络： 让我们来看一个经典的神经网络。这是一个包含三个层次的神经网络。红色的是****输入层，绿色的是输出层，紫色的是中间层（也叫隐藏层）。输入层有 3 个输入单元，隐藏层有 4 个单元，输出层有 2 个单元。 在开始介绍前，有...

芯片验证是确保芯片设计正确性的关键环节。随着芯片复杂度的不断提升，验证工作在整个设计流程中所占比重越来越大，已成为芯片成功与否的决定性因素。这一讲我们将从基础概念入手，系统介绍验证的重要性、基本流程与方法、验证层次和评估指标，探讨实际项目流程中可能遇到的挑战与敏捷验证的应对思路，分析当前验证领域面临的困境以及使用高级语言进行验证的价值，并展望芯片验证众包这一未来解决方案。 接下来，你将了解：...

by zjn 1.克隆一下源码 1git clone https://github.com/FeiLiu36/EOH/ 2.进入源码目录，创建虚拟环境 我家里的电脑没有装conda，所以我用的是Python自带的venv，如果你有conda，可以用conda创建虚拟环境。 1python -m venv eoh_env 然后激活虚拟环境: 1source eoh_env/Scripts/...

源码及文章：EoH/README_CN.md at main · FeiLiu36/EoH Evolution of Heuristic 启发式进化： Evolutionary Computation 进化计算： Automatic Heuristic Design 自动启发式设计 EoH 将自然语言中的启发式思维转化为可执行代码，通过优化搜索框架对思维与代码的持续演化，...

3.0019. 删除链表的倒数第 N 个结点3.1 题目大意描述：给定一个链表的头节点 head。 要求：删除链表的倒数第 n 个节点，并且返回链表的头节点。 说明： 要求使用一次遍历实现。 **链表中结点的数目为 **sz。 示例： 123456 输入：head = [1,2,3,4,5], n = 2 输出：[1,2,3,5]   输入：head = [1], n = 1 输出：[...

2.0021. 合并两个有序链表2.1 题目大意描述：给定两个升序链表的头节点 list1 和 list2。 要求：将其合并为一个升序链表。 说明： 两个链表的节点数目范围是 。 list1 和 list2 均按 非递减顺序 排列 示例： 123456 输入：list1 = [1,2,4], list2 = [1,3,4] 输出：[1,1,2,3,4,4]   输入：list1 = [...