摘要： 时间复杂度和空间复杂度是衡量算法效率的核心指标。时间复杂度反映算法执行时间随输入规模（n）的增长趋势，常见类型包括O(1)、O(n)、O(n²)等，可通过循环或递归的嵌套层数判断。空间复杂度衡量算法运行中额外占用的内存，如变量、数组或递归栈的深度。判断时需注意：输入本身不计入空间复杂度，仅统计额外创建的存储结构。口诀总结：时间看操作次数，空间看额外内存。例如，单层循环为O(n)，数组副本为

Word2Vec的使用，含示例——包括使用预训练Word2Vec模型和自训练Word2Vec模型

【内网Tesla T4_16G为例】超详细安装部署ollama、加载uugf格式大模型qwen2、chatglm3及大模型的使用

双向链表，python3

一个完整的神经网络训练流程详解

Anaconda Conda 23.7.2的使用，及Conda在PyCharm中的使用(如何指定环境)conda executable is not found

【概念+实例】一文搞懂机器学习、深度学习中的准确率、精确率、召回率、F1分数

Docker环境下Redis安装，轻松搞定

Error loading "D:\Program Files\anaconda3\envs\testenv\Lib\site-packages\torch\lib\fbgemm.dll" or one of its dependencies.这些都是transformers和pytorch版本不匹配造成的问题，并没有找到transformers对pytorch等的版本要求，但是因为两种框架的更新

Error response from daemon: Get "https://registry-1.docker.io/v2/": net/http: request canceled (Client.Timeout exceeded while awaiting headers)、docker国内阿里云镜像配置、docker pull拉取失败