Blog • xy0v0's Blog

什么是分块用于实现区间更新与区间查询的数据结构，可用于骗分。相较于BIT、线段树等数据结构虽速度较慢，但更加灵活，多种问题均可转化为分块分块的具体实现（单点修改）使用查询区间最大值的实现来举例：定义数组 a_i 为原始输入，b_i 代表 i 号元素对应的块编号，bm_k 代表 k 号块

目前博客从Hugo迁移回了Halo，同时由于对象存储到期且未备份资源导致先前文章中的图片资源丢失，后续直接采用服务器本地存储的方案来存储图片。

Transformer RNN 序列数据处理输入序列: x_1, x_2, ..., x_n 隐藏状态: h_t = f(h_{t-1}, x_t) 输出: y_t = g(h_t) Decoder-only 分词&词嵌入位置编码用于捕获字符在序列中的位置,不用依赖于先前计算,可用于并行计算

2 Stage Detection 筛选 + 滑动窗口分类计算慢 YOLO: You Only Look Once 仅使用一个CNN网络,速度快在一次CNN计算中,直接从原始图像上预测物体类别和位置边界框 Step1: 划分单元格将输入图像分割成 S * S 网格如果某个object的中心落

Neural Network 神经网络基本单位:神经元权重(weight):调节权重可控制重视某一特征或忽视某一特征输入 \sum (w_ix_i+b) 其中b为bias(偏置量) 以上为线性变换步骤,运算结果传入激活函数 f 激活函数 Sigmoid (z)=\frac{1}{1+e^{(-z)

密集检索（Dense Retrieval）使用 CLS 标记的输出嵌入计算相似度，公式为： s_{\text{dense}} = \langle e_q, e_p \rangle 其中 e_q 和 e_p 分别表示查询和表情包描述的嵌入向量。这种基于语义的检索方式能够捕捉用户问题的深层含义。稀疏

在评估 MemeMeow 这个项目图片输入的标签获取方式时，提出了以下方案：直接采用图片上文字（仅适用于具有文字的表情包）使用VLM对图片生成从内容、文字等多方面的标签后，将整体作为标签使用一个图片具有多个标签方法3的评估较为复杂，因为每个图片对应的是一个列表，我们可以采取以下方式进行评估。

对于无符号数 A 和 B ，判断 A < B 是否成立首先对 A 取 NOT 得 ~A 将取反后的值与第二个输入 B 相加检查是否有进位输出我们可以利用补码的性质来判断： \text{NOT}(A) + 1 = 2^n - A 有 n=8 接下来对

《图灵完备》中我们设计出最基础的图灵完备计算机后，需要使用汇编语言对其进行编程，而一套好的指令集是高效编程的基础。问题明确我们现在对于计算机有如下操作： IMMEDIATE CALCULATION COPY CONDITION 共有六个寄存器，编号0-5 IMMEDIATE会写入 REM0 C

Awtrix3 相比 Awtrix2 不必配置服务端，但是其 App 安装与同步方法也有所改变：需要通过 MQTT 通信来进行 App 的同步。安装 Node-RED npm install -g pm2 npm install -g --unsafe-perm node-red pm2 sta