https://api.vvhan.com/api/avatar/boy

技术博客分享

LFU最不经常使用-缓存算法实现

LFU(Least Frequently Used)是一种基于访问频率的缓存淘汰策略。当缓存容量不足时,系统会优先淘汰使用频率最低的条目,当频率相同时则淘汰最久未使用的条目。本文通过C++实现了一个时间复杂度为O(1)的LFU算法方案。

C-异常处理的核心概念

异常处理的作用‌:确保程序在错误发生时优雅降级,而不是崩溃。‌核心语法‌:try-catch-finally 和 throw。‌资源管理‌:优先使用 using 语句,避免资源泄漏。‌自定义异常‌:用于明确表达业务逻辑中的错误。通过合理使用异常处理,可以显著提高程序的健壮性和用户体验!

人工智能-Day06-pandas库进阶

统一缺失值形式:若存在缺失值但不是np.nan的形式,使用将其替换为np.nan。判断是否存在缺失值:使用,若结果为True,表示不存在缺失值,不做处理;若为False,表示存在缺失值,继续下一步。填充缺失值:使用统计学指标值(如均值mean、中位数median等 )对缺失值进行填充,如。2.数据的离散化连续属性离散化是在连续属性值域上划分若干离散区间,用不同符号或整数值代表落在各子区间的属性值。

分布式事务

应用程序通过与事务管理器开启全局事务,待全局事务开启之后,访问本地资源管理器,本地资源管理器向事务管理器申请注册分支事务,在完成逻辑操作之后,通过事务管理器,进行两阶段提交协议 ,进行协调各个本地资源管理器进行提交或者回滚操作。,第一阶段:can commit阶段,协调者询问事务参与者,是否有能力完成此次事务,如果都返回yes,则进入第二阶段,否则中断事务,向所有参与者发送abort请求,另外两阶段就是2PC,也就是上述的两阶段协议。参与者检查自身状态,如果可以进行事务提交,则返回Yes,否则返回No。

RAG数据嵌入和重排序如何选择合适的模型

在自然语言处理(NLP)领域,Retrieval-Augmented Generation(RAG)模型已经成为一种强大的工具,用于结合检索和生成能力来处理复杂的语言任务。本文将探讨如何选择合适的模型来实现高效的数据嵌入和重排序,并结合MTEB Leaderboard上的最新进展,为读者提供实用的建议。DPR是一种专门为检索任务设计的嵌入模型,通过训练两个独立的编码器(查询编码器和文档编码器)来生成密集向量表示。在RAG模型中,数据嵌入和重排序是两个关键环节,它们直接影响模型的性能和效率。