有一个快速选择算法，当有一个足够好的pivot时，它可以在线性时间内找到数组的中位数。还有一个median-of-medians算法，在时间复杂度为OnO(n)On的情况下找到一个pivot（这个pivot对快速选择算法来说足够好）。将这两者结合，就有一个在线性时间内找到中位数（或者数组中的第K个元素）的算法。

均值滤波

二值化，opencv访问像素

上面我们首先介绍了llm的几种架构，从宏观层面分析了LLM的推理过程，并对其中的一些数据流做了简单的分析，接下来我们要从工程方面分析大模型如何进行推理以及推理过程中的一些指标。

目标：通过这一个系列课程的学习，开发出一个简易的在RISC-V指令集架构上运行的操作系统。

我们有一个python写的斐波那契数列，但是运行速度太慢，因为Cython中有C语言的特性，所以我们可以使用Cython语言重写斐波那契数列，然后编译为动态链接库，然后在python代码中使用。这是最暴力的一种方法，我们知道，python这个语言也有C的API，所以我们可以直接在C语言代码中使用这些API来调用python模块，下面是一个简单的示例。上面我们已经说过，Cython是python的超

问题引入在深度学习中，一个好的数据集必不可少。在使用tensorflow进行图像分类任务中，往往不少同学都是直接从硬盘直接加载图片，在内存进行预处理等工作后，直接输入给网络进行训练。如果你的数据集比较小，这种方式对你的内存不会造成太大的负担，代码跑起来速度还可以，可是当你的数据集特别大的时候，再从硬盘加载图片到内存进行训练，就显得特别吃力了。这个时候我们就需要用到tensorflow建议使用的统.

问题引入在深度学习中，一个好的数据集必不可少。在使用tensorflow进行图像分类任务中，往往不少同学都是直接从硬盘直接加载图片，在内存进行预处理等工作后，直接输入给网络进行训练。如果你的数据集比较小，这种方式对你的内存不会造成太大的负担，代码跑起来速度还可以，可是当你的数据集特别大的时候，再从硬盘加载图片到内存进行训练，就显得特别吃力了。这个时候我们就需要用到tensorflow建议使用的统.

上面我们首先介绍了llm的几种架构，从宏观层面分析了LLM的推理过程，并对其中的一些数据流做了简单的分析，接下来我们要从工程方面分析大模型如何进行推理以及推理过程中的一些指标。

1.问题引入在数据分析，机器学习，深度学习中，我们经常会处理各种各样格式的数据。今天，博主在做房价预测时（采用波士顿房价数据集），从网上下载的数据集格式为.data,并不是我们喜闻乐见的csv格式，所以想采用pandas库将其转为为csv格式的数据，方便后面的训练。2.问题分析data格式数据展示为：从第1列到第14列数据属性为：代码演示import pandas as pd#读取d...