选择排序和冒泡排序只允许自己使用恒定的内存，在计算机科学中，可以用一种资源换另一种资源，想节约时间，就扩展空间。该搜索函数正在调用自身，只要有终止条件（基本情况），可以打破无限循环。显然以上这样的code smell不对，不应该将名字和数字分开。一种统计班上人数的方法，全部站起来，两两配对，一个坐下，循环。大O代表可能计算步数的上限，考虑的是最坏的情况。使用的算法将被描述为这些运动时间之一的数量级

数据库: 数据库(DataBase 简称 DB)就是信息的集合或者说数据库是由数据库管理系统管理的数据的集合。数据库管理系统: 数据库管理系统(Database Management System 简称 DBMS)是一种操纵和管理数据库的大型软件，通常用于建立、使用和维护数据库。数据库系统: 数据库系统(Data Base System，简称 DBS)通常由软件、数据库和数据管理员(DBA)组成。

LangChain 的核心组件模型 I/O 封装LLMs：大语言模型Chat Models：一般基于 LLMs，但按对话结构重新封装PromptTemple：提示词模板OutputParser：解析输出数据连接封装Document Loaders：各种格式文件的加载器Document Transformers：对文档的常用操作，如：split, filter, translate, extract

自回归模型（Autoregressive Model, AR模型）是时间序列分析中的一种基本模型，其核心思想是当前观测值可以通过其过去的若干个观测值的加权和来预测，其中的权重参数由数据自身决定。数学上，一个自回归模型可以表示为：Xtcϕ1Xt−1ϕ2Xt−2⋯ϕpXt−pϵtXt​cϕ1​Xt−1​ϕ2​Xt−2​⋯ϕp​Xt−p​ϵt​XtX_tXt​) 是在时间 (ttt。

打完标签后点击merge multiple clouds将其合并为一个。点击加号在前六列的基础上再加上一列，列名为label。这时视角不能动了，进行框选分割，分割出上牙和下牙。这里设置其他为0,上牙的标签为1，下牙为2。导入cloudcompare。

yolo及yolo的变体anchor boxes (锚框)intersection over union 并集交集用于计算两个边界框的差异程度bounding box predictions 边界框预测non maximum suppression非极大值抑制为了分离这些边界框并为每个对象获得单个边界框，我们使用IOU。这种获取单个边界框并分离不同边界框的技术称为非极大值抑制。分别对这些边界框应用

第一个是在解码器里面，这个注意力上会加一个掩码，就是因为在推理的时候，解码器部分是一个词一个词生成的这就代表了你生成到某个词的时候，这个词它只能受到它之前词的影响，不应该被未来生成的词所决定。维度它是每一个输出的维度，再乘以头的个数，然后最后得到这个结果以后，还会再和一个W矩阵相乘，再得出一个输出的词向量。多头注意力机制比卷积神经网络它有更大的可能性，它不再局限于卷积核，必须是围绕一个中心的，是可

Lora方法的核心是在大型语言模型上对指定参数增加额外的低秩矩阵，也就是在原始PLM旁边增加一个旁路，做一个降维再升维的操作。并在模型训练过程中，固定PLM的参数，只训练降维矩阵A与升维矩阵B。Ptuning方法的核心是使用可微的virtual token替换了原来的discrete tokens，且仅加入到输入层，并使用prompt encoder（BiLSTM+MLP）对virtual tok

在开始机器学习项目之前，您必须能够加载数据。机器学习数据最常见的格式是CSV文件。在Python中加载CSV文件的方法有很多。

LangChain 的核心组件模型 I/O 封装LLMs：大语言模型Chat Models：一般基于 LLMs，但按对话结构重新封装PromptTemple：提示词模板OutputParser：解析输出数据连接封装Document Loaders：各种格式文件的加载器Document Transformers：对文档的常用操作，如：split, filter, translate, extract