- 综合排序
- 最热优先
- 最新优先
- 来自专栏刷题笔记
7-7 输出全排列
本文链接：https://blog.csdn.net/shiliang97/article/details/96484775 暑假字符串专题HBU程序设计训练营总结 ? 点这里 7-7 输出全排列 请编写程序输出前n个正整数的全排列（n<10），并通过9个测试用例（即n从1到9）观察n逐步增大时程序的运行时间。 输入格式: 输入给出正整数n（<10）。
1.1K10发布于 2019-11-08 - 来自专栏以终为始
7-7 古风排版 （20 分)
7-7 古风排版 （20 分) 中国的古人写文字，是从右向左竖向排版的。本题就请你编写程序，把一段文字按古风排版。 输入格式： 输入在第一行给出一个正整数N（<100），是每一列的字符数。
69310编辑于 2023-03-09 - 来自专栏刷题笔记
7-7 删除重复字符 (20 分)
点这里 7-7 删除重复字符 (20 分) 本题要求编写程序，将给定字符串去掉重复的字符后，按照字符ASCII码顺序从小到大排序后输出。 本实验的任务是设计一个程序，验证20亿以内的偶数都可以分解成两个素数之和。 输入格式： 输入在一行中给出一个(2, 2 000 000 000]范围内的偶数N。
2.6K20发布于 2019-11-08 - 来自专栏IT技术圈（CSDN）
浙大版《C语言程序设计（第3版）》题目集 练习7-7 矩阵运算
练习7-7 矩阵运算 给定一个n×n的方阵，本题要求计算该矩阵除副对角线、最后一列和最后一行以外的所有元素之和。副对角线为从矩阵的右上角至左下角的连线。
2.4K10发布于 2020-09-15 - 来自专栏IT技术圈（CSDN）
浙大版《C语言程序设计（第3版）》题目集 习题7-7 字符串替换
习题7-7 字符串替换 本题要求编写程序，将给定字符串中的大写英文字母按以下对应规则替换： 原字母 对应字母 A Z B Y C X D W … … X C Y B Z A 输入格式： 输入在一行中给出一个不超过
2.5K10发布于 2020-09-15 - 来自专栏AI机器学习与深度学习算法
机器学习入门 7-7 试手MNIST数据集
MNIST数据集是由美国高中生和人口普查局员工手写的70000个数字的图像，其中60000张训练图像，10000张测试图像。它是机器学习领域的一个经典数据集，其历史几乎和这个领域一样长，被称为机器学习领域的"Hello World"。因此像sklearn和tensorflow这种机器学习框架都内置了MNIST数据集。
2.8K10发布于 2019-11-13 - 来自专栏刷题笔记
【2020HBU天梯赛训练】7-7 装睡
7-7 装睡 你永远叫不醒一个装睡的人 —— 但是通过分析一个人的呼吸频率和脉搏，你可以发现谁在装睡！医生告诉我们，正常人睡眠时的呼吸频率是每分钟15-20次，脉搏是每分钟50-70次。
93430发布于 2020-06-23 - 来自专栏Java
7-7 念数字 (15 分)(用数组简化判断过程)
7-7 念数字 (15 分) 输入一个整数，输出每个数字对应的拼音。当整数为负数时，先输出fu字。
39900编辑于 2025-01-21 - 来自专栏刷题笔记
【未完成】7-7 迷宫寻路 (30 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/101473288 7-7 迷宫寻路 (30 分) 给定一个M行N列的迷宫图，其中 "0"表示可通路
1.3K10发布于 2019-11-08 - 来自专栏MixLab科技+设计实验室
AI设计系统“设计之神”
标题： “God of Design” AI design system “设计之神”AI设计系统 价值主张： 我们的“设计之神”系统利用生成对抗网络技术，帮助甲方把设计目标可视化后，更清楚地传达给设计师 借此技术，让无作图能力的甲方，把生成条件输入AI设计系统后，程序在极短时间内生成海量方案，甲方只需挑选其中想要的方案，交给设计师来完善，避免了设计师的无效工作，提升了工作效率。 ? “设计之神”AI设计系统原型演示 demo of AI design system： 我们以室内装修设计为例，制作了一份简单的使用演示，让读者能更具体的了解人工智能发挥的作用 ? 3.甲方把自己定制的方案发布出来，交给设计师完善。 （这里我们还设计了一个简单的商业模式，AI设计工具免费开放给所有人使用，定制生成的方案可以直接发布在我们的平台上，寻找设计师来完成。 运营模式 BUSINESS OPERATION MODEL ： 这块只是很粗略的构想了一个如何利用这技术来开展商业的模型，大体思路就是利用这个AI设计系统来吸引甲方和设计师，从而构建一个设计服务平台，对接甲方们和设计师们
1.6K10发布于 2019-09-26 - 来自专栏Golang语言社区
山海传说ai 设计
二怪物ai:选定怪物时，怪物头上显示名字等级等，取消选定，怪物不再显示信息。 2.1怪物ai分类：1级到7级。 1级ai：不会移动，不会攻击。固定位置。 2级ai：不会移动，不会主动攻击，受到攻击会反击。固定位置 3级ai：会移动，不会主动攻击，受到攻击会反击，不会追击。在固定区域内巡逻 4级ai：会移动，会主动攻击。 1到3级怪物ai视野范围和警戒范围为0米。 4到5级怪物ai视野范围为10米，警戒范围为8米。 6到7级怪物ai非战斗状态视野范围为10米，警戒范围为3米。 1级到2级怪物ai不会使用技能。 3级到4级怪物ai会几率使用编号xx到编号yy技能。 5到6级ai会几率使用编号aa到编号bb技能，会几率使用身上物品。 7级boss ai会几率使用专属技能。 2.4怪物ai行为流程图 2.4.1 3到5级怪物ai行为流程图： ? ?
1.3K80发布于 2018-03-22 - 来自专栏腾讯社交用户体验设计
当设计遇上AI
一、背景 最近AI创作内容火爆网络，让我们看到AI在设计上充满想象力的未来。关于AI在设计上应用的探索由来已久，从早几年的智能广告素材，智能Logo再到如今的AIGC，AI的成长突飞猛进。 本文尝试梳理AI目前在设计领域应用的最新进展，展望设计行业在AI技术影响下可能发生的变革。 2.3 AI辅助UI设计 AI生成UI版式 近期已经有团队开始实践在AI辅助下的UI设计。 三、AI对设计的价值 1、助力设计师表达创意 设计师可以将AI工具应用在工作中，比如当需要探索视觉概念时，可以使用简单的文本说明生成一些素材供创意师提供灵感和参考；还可以借助AI将已有素材尝试其他不同风格元素 得益于AI在设计领域的快速发展，人工智能势必会大大简化设计师的工作，提升设计师处理各种图像的效率。设计师也不必将时间浪费在去除背景等费力、重复的任务上，并且将有机会以最少的努力探索更多创意。
1.5K10编辑于 2023-04-14 - 来自专栏机器之心
AutoML研究综述：让AI学习设计AI
这一主题也被称为架构搜索，已在设计神经网络方面备受关注，比如（Zoph and Le, 2017; Liu et al., 2017）。 除了少数一些文献（如 Friedman and Markovitch, 2015; Smith et al., 2017），当前的 AutoML 算法都是以黑箱形式设计的。 使用人工设计的机器学习模型，模型的推理方式往往已经对用户而言未知了。通过自动化创建模型，用户基本上将没有机会理解选择特定流程的原因。 研究自动设计超参数更少的框架是可行的（Feurer and Hutter, 2018）。 11 总结 自 1990 年代以来，AutoML 主题已行过千里之路。
96620发布于 2019-05-15 - 来自专栏驾驭 AI · AI Harness
驾驭 AI · AI Harness Engineering · 战略层设计
AI编码把这个平衡彻底打破了。AI把"把事情做对做快"推到了人类无法企及的高度——一个Agent一天生成的代码，够一个团队写一个月。 这两句话的价值，不在于信息量，而在于它是AI开工前看到的第一句话——它决定了AI后续所有生成行为的坐标系。第二，边界在哪。什么不做，比做什么更重要。 边界写得越清楚，AI越不会在"听起来合理"的方向上擅自越界。第三，怎么共事。人和AI之间的协作规则——哪些流程必须走、哪些东西AI无权动、出问题找谁。 derekcoding-framework把行为底线写成了一份独立文件，叫"编码十诫"，十条全是行为层面的纪律，没有一条是代码语法：先读再写——改文件前先读，不依赖记忆，找不到已有模式就问，不猜；显式假设——每条不确定的设计决策标注假设及理由 三、反谄媚：AI时代的独特条款如果说十诫是传统工程纪律的延续，那宪章里有一类条款是AI时代独有的，人类团队的规章制度里找不到对应物——因为它防的不是人，是AI的"谄媚"。
19210编辑于 2026-09-04 - 来自专栏驾驭 AI · AI Harness
驾驭 AI · AI Harness Engineering ·门禁层设计
AI生成的代码，特征完全不同。 年4月）报告显示，45%-70%的AI生成代码未能通过基础安全扫描，而同期的开发者调研中75%认为"AI写的代码比自己写的更安全"。 三个设计原则，比门禁清单本身更重要：原则一：门禁必须能量化。"代码质量要高"不是门禁，"首次通过率≥70%"才是。不能量化的门禁，等于没有门禁——它无法回归、无法对比、无法改进。 这正是门禁设计的边界问题。 这三条反方都成立，所以门禁设计的真正难点不在"加多少"，而在"怎么不过度"。对策有两条：门禁分级——只对真约束（架构、契约、安全红线）设硬门禁，其余用软提示。
19110编辑于 2026-09-07 - 来自专栏驾驭 AI · AI Harness
驾驭 AI · AI Harness Engineering · 架构层设计
后来我理解了这件事的本质：人和AI的对话，不是持久化的约定，只是一次性的指令流。它既不回溯、也不留档，更不会自己变成约束。 这一点在AI时代变得格外重要。 这是对AI的硬约束，改动它，需要先有一份新的ADR。往上看，实现层暴露的问题要回流修正约束，而修正的落点正是ADR。 ，别过度设计遇到方向性选择就写一条：什么时候该写？ 当你为一件事跟AI争论超过一轮，或做了一次会波及大量后续代码的决定时让AI开工前读一遍：把ADR目录加进宪章要求的必读清单，确保任何Agent都看到它对约束没有讨价还价的余地改动约束先写新ADR：不是直接改代码或改约定
20110编辑于 2026-09-05 - 来自专栏驾驭 AI · AI Harness
驾驭 AI · AI Harness Engineering ·实现层设计
软件系统从电气工程里借来了同一个思路，叫冗余设计；又借来了断路器的概念——电路过载时，不是让整栋楼停电，而是先切断这一路，保住其他路。 AI编码项目比传统项目更需要这套"坏了以后怎么办"的设计，理由很残酷：AI会挂，而且挂得比人干脆。人不舒服了会慢下来，会求救，会留下半句话；AI挂掉的方式是直接停摆、静默、或者假装自己还活着。 TradeOMS里最典型的幂等设计，是测试数据的播种脚本。UAT测试要反复跑，每跑一轮都要重新准备数据。 幂等设计的判断标准只有一条：把同一个请求发给系统两次，观察它是不是做了两遍。如果做了两遍，就是幂等缺失——不管它是AI发起的还是人发起的，都是隐患。 幂等、退化、失败可见、快速恢复，这四样东西在derekinside里不是一个设计文档，是它活着的状态。
15410编辑于 2026-09-08 - 来自专栏驾驭 AI · AI Harness
驾驭 AI · AI Harness Engineering · 契约层设计
AI编码时代，这个道理换了一副面孔重新出现。我们面对的AI，是一个学习能力极强、执行力惊人、但永远不会主动问"你到底要什么"的员工。 AI项目里，人记不住的东西，AI更记不住。公元前1754年，汉谟拉比做了件开创性的事：把法律从"长老口传"变成刻在石柱上的成文法。 它不是给AI的说明书，是给AI的契约。说明书可以含糊，契约不行。一份Spec至少要有三样东西，缺一样，AI就会用它的"常识"填空：范围。这次到底做不做这个边界。 缺了假设，AI会用它的"常识"填补你的空白——而AI的"常识"来自互联网，不是来自你的业务。 最后说一句泰勒当年没说透、但AI时代变得格外重要的话：契约不是用来限制AI的，是用来保护AI的——它让AI不用猜，而不用猜的AI，才是可靠的AI。
14410编辑于 2026-09-06 - 来自专栏AI系统
【AI系统】关键设计指标
前面我们已经对 AI 的计算模式有了初步的认识，那么这些计算模式具体是如何和 AI 芯片设计结合起来的呢？接下来我们将从 AI 芯片关键设计指标的角度来进一步拓展对 AI 计算体系的思考。 一些创新的设计和技术可以帮助降低 AI 芯片的能耗，例如专门针对 AI 计算任务进行优化的架构、低功耗制造工艺、智能功耗管理等。 关键设计点 AI 芯片设计的关键点围绕着如何提高吞吐量和降低时延，以及低时延和 Batch Size 之间权衡。具体的实现策略主要表现在 MACs 和 PE 两个方向。 设计高效的处理单元是提升 AI 芯片性能的重要手段之一。关于 PE 的优化设计方向有两个方面： 增加 PE 的核心数量。 比如通过设计高速缓存结构、优化数据存取模式等方式来实现。 计算性能仿真 当我们根据关键指标完成了 AI 芯片的设计之后，不同的 AI 模型在这个芯片上的执行性能都一样吗？
98210编辑于 2024-12-04 - 来自专栏AI系统
【AI系统】AI系统概述与设计目标
本文将介 AI 系统的设计目标、组成和生态，让读者形成 AI 系统的知识体系，为后续展开每篇文章的内容做好铺垫。 AI 系统设计本身需要各个环节通盘考量，无论是系统性能，还是用户体验，亦或是稳定性等指标，甚至在开源如火如荼发展的今天，开源社区运营也成为 AI 系统推广本身不可忽视的环节。 AI 系统自身设计挑战较高（如更大的规模、更大的超参数搜索空间、更复杂的模型结构设计），人工智能的代表性开发框架 PyTorch 是 Meta 开发，后续贡献给 Linux 开源基金会；TensorFlow 即使作为系统工程师，也需要密切关注算法和应用的演进，才能紧跟潮流设计出贴合应用实际的工具与系统。 AI 系统设计目标 深度学习系统的设计目标可以总结为以下几个部分。 AI 工具链与 AI 系统本身如何在设计之初就考虑到这点，提供良好的可观测性、可调试性、允许用户注册自定义扩展等支持，是需要工具链与 AI 系统的设计者，所需要在 AI 系统的设计之初就需要提上日程的，
98310编辑于 2024-12-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号