当前位置： 首页 > news >正文

2024-03-26 AIGC-大模型学习路线

news 2025/10/30 23:25:07

摘要:

2024-03-26 AIGC-大模型学习路线

大模型学习路线

建议先从主流的Llama开始，然后选用中文的Qwen/Baichuan/ChatGLM，先快速上手体验prompt工程，然后再学习其架构，跑微调脚本

如果要深入学习，建议再按以下步骤，从更基础的GPT和BERT学起，因为底层是相通的，而且实际落地到一个系统中，应该也是大模型结合小模型（大模型在做判别性的任务上，比BERT优势不是特别大）

可以参考如下方案，按需学习。

一、简述

按个人偏好总结了学习目标与路径，后续将陆续整理相应学习资料，并输出学习笔记。

内容将同步更新在我的博客园文章https://www.cnblogs.com/justLittleStar以及Github仓库：DayDreamChaser/LLMLanding: Learning LLM Implementaion and Theory for Practical Landing (github.com)

学习思路： 快速应用Transformer等轮子来微调和使用LLM，同时深入学习NLP预训练模型原理和推理部署（因为偏底层的东西变化不大）

学习目标

  • 熟悉主流LLM（Llama, ChatGLM, Qwen）的技术架构和技术细节；有实际应用RAG、PEFT和SFT的项目经验
  • 较强的NLP基础，熟悉BERT、GPT、Transformer、T5等预训练语言模型的实现，有对话系统相关研发经验
  • 掌握TensorRT-LLM、vLLM等主流推理加速框架，熟悉模型量化、FlashAttention等推理加速技术方案，对分布式训练DeepSpeed框架有实战经验
  • 熟悉Pytorch，具备扎实的深度学习和机器学习基础，基本掌握C/C++、Cuda和计算机系统原理

参考项目

torchkeras

  • llm-action

参考书籍

  • 大规模语言模型：从理论到实践
  • ChatGPT原理与实战

Alt text

参考课程

  • 面向开发者的LLM入门课程（吴恩达课程-中文版）github.com/datawhalechi
  • 普林斯顿-COS 597G (Fall 2022): Understanding Large Language Modelscs.princeton.edu/course
  • 斯坦福-CS324 - Large Language Modelsstanford-cs324.github.io

教程

  • Huggingface Transformers官方课程 huggingface.co/learn/nl
  • Transformers快速入门（快速调包BERT系列）transformers.run/

学习方式

  • 力求快速应用 （先调包，再深入学习）
  • 在实践中动手学习，力求搞懂每个关键点
  • 【原理学习】+【代码实践】 + 【输出总结】

基础知识

  • 视频课程
    • 吴恩达机器学习入门：coursera.org/learn/mach
    • 李沐讲AI：space.bilibili.com/1567
    • 台大李宏毅-机器学习: speech.ee.ntu.edu.tw/~h
    • 斯坦福NLP cs224n: web.stanford.edu/class/
  • 书籍
    • 深度学习入门：基于Python的理论与实践, numpy实现MLP、卷积的训练
    • 《深度学习进阶：自然语言处理》：numpy实现Transformers、word2vec、RNN的训练
    • Dive In Deep Learning(动手学深度学习)： d2l.ai/
    • 《神经网络与深度学习》：nndl.github.io/
    • 《机器学习方法》：李航的NLP相关的机器学习 + 深度学习知识（按需选学）
  • 强化学习
    • 强化学习教程-蘑菇书EasyRL（李宏毅强化学习+强化学习纲要）: datawhalechina.github.io
    • 动手学强化学习: github.com/boyu-ai/Hand
  • 博客
    • 苏剑林科学空间：信息时代下的文章 - Scientific Spaces

学习纲要

应用：

1、Zero Shot / Few Shot 快速开箱即用

  • Prompt调优:
    • 上下文学习In-Context Learning, ICL
    • 思维链 Chain of Thought, COT
  • RAG (Retrieval Augmented Generation)
    • 基于文档分块、向量索引和LLM生成，如Langchain文档问答

2、领域数据-指令微调LLM

  • PEFT (Parameter-Efficient Fine-Tuning):
    • LORA (Low-Rank Adaption of LLMs)
    • QLORA
    • SLORA
    • P-Tuning v2

参数高效的微调，适合用于纠正模型输出格式（PEFT上限不高，并向LLM输入的知识有限）

  • SFT (Supervised Fintuning):
    • 全参数监督微调，使用prompt指令样本全量微调LLM（可以注入新的领域知识）
    • 需要控制样本配比（领域数据 + 通用数据）

3、对齐

  • 对齐人类偏好 (RLHF)：
    • RewardModel 奖励模型 （排序标注，判断答案价值）
    • RL (PPO， 更新SFT模型)

专注基于强化学习的大语言模型对齐，有前景的方向是SuperhumanAI AutoALign

4、预训练

  • 小模型预训练 (GPT2, TinyLlama)不考虑训练参数规模较大的语言模型

5、训练推理优化

  • 模型量化
  • 推理加速
  • 蒸馏
  • 推理框架（vLLM、TensorRT-LLM、Llama.cpp）

二、学习目录

第1章 技术与需求分析

1.1 技术分析

  • LLM的发展历程与趋势
  • 开源LLM生态
    • Llama系列
    • Mistral / Mixtral-8X7B-MOE ：mistral.ai/news/mixtral
    • ChatGLM / Baichuan / Qwen

1.2 市场需求分析

  • 需求和就业市场分析
    • 预训练、对齐
    • 微调、应用
    • 推理加速
  • 商业落地分析(2C、2B应用场景)

第2章 ChatGPT背景与原理

2.1 ChatGPT的工作原理

  • 预训练与提示学习阶段
  • 结果评价与奖励建模阶段
  • 强化学习阶段

2.2 算法细节

  • 标注数据
  • 建模思路

第3章 预训练语言模型

3.1 Transformer

  • 论文
    • 《Attention Is All Your Need》
  • 解析:
    • 图解Transformer：jalammar.github.io/illu
    • 详解Transformer原理：cnblogs.com/justLittleS
  • 实战
    • Torch代码详解和训练实战：cnblogs.com/justLittleS

3.2 GPT

  • GPT论文
    • GPT-1：Improving Language Understanding by Generative Pre-Training
    • GPT-2: Language Models are Unsupervised Multitask Learners
    • GPT-3：Language Models are Few-Shot Learners
    • GPT-4：GPT-4 Technical Report(openai.com)
  • 解析
    • GPT2图解：jalammar.github.io/illu
    • GPT2图解（中文）：cnblogs.com/zhongzhaoxi
    • GPT3分析：How GPT3 Works - Visualizations and Animations
    • GPT原理分析：cnblogs.com/justLittleS
  • 推理
    • GPT2模型源码阅读系列一GPT2LMHeadModel
    • 60行代码实现GPT推理（PicoGPT）：cnblogs.com/justLittleS
    • 动手用C++实现GPT：ToDo, 参考：CPP实现Transformer
  • 训练
    • 训练GPT2语言模型：基于Transformers库-Colab预训练GPT2
    • Transformers库GPT实现分析：ToDo
    • MiniGPT项目详解-实现双数加法：blog.csdn.net/wxc971231
  • NanoGPT项目详解
    • 代码分析：zhuanlan.zhihu.com/p/60
    • 训练实战：莎士比亚数据训练, ToDo
  • GPT2微调-文本摘要实战
    • 数据预处理模块
    • GPT-2模型模块
    • 模型训练和推理模块

3.3 BERT

  • 原理
    • BERT可视化：A Visual Guide to Using BERT for the First Time
    • BERT原理：cnblogs.com/justLittleS
  • 实战
    • BERT结构和预训练代码实现：ToDo
    • BERT预训练实战：动手学深度学习-BERT预训练 Colab
    • 基于HuggingFace的BERT预训练：
    • BERT微调：
      • 文本分类
      • BERT-CRF NER
      • BERT+指针网络（UIE）信息抽取
      • 文本摘要/问答
      • 相似性检索: SimCSE-BERT
    • 衍生系列
      • RoBERTa / ALBERT / DistillBERT

3.4 T5系列

  • T5-Pegasus对话摘要微调
  • PromptClue关键词抽取微调

3.5 UniLM

  • UniLM模型介绍
  • 基于夸夸闲聊数据的UniLM模型实战

第4章 提示学习与大型语言模型

4.1 提示学习PromptLearning

  • 提示学习介绍
  • 提示模板设计
  • 答案空间映射设计

4.2 上下文学习 ContextLearning

  • 上下文学习介绍
  • 预训练阶段提升上下文
  • 推理阶段优化上下文

4.3 指令数据构建

  • 手动和自动构建指令
  • 开源指令数据集
  • 基于提示的文本情感分析实战: github.com/liucongg/Cha

第5章 开源大型语言模型

5.1 Mistral

  • Mistral 7B Tutorial: datacamp.com/tutorial/m
  • Mistral-8X7B-MOE的模型结构
  • Mistral -8X7B-MOE源码解析
  • Mistral-7B微调

5.2 Llama

  • Llama1
    • Llama1源码深入解析: zhuanlan.zhihu.com/p/64
  • Llama2
    • Llama2的优化
    • Llama2源码解析
    • llama 2详解： zhuanlan.zhihu.com/p/64
    • Llama2-6B微调

5.3 ChatGLM

  • ChatGLM简介
  • ChatGLM-6B微调
    • ChatGLM2微调保姆级教程: zhuanlan.zhihu.com/p/64

第6章 LLM微调

6.1 全量指令微调SFT

6.2 高效微调PEFT

LORA系列

  • LoRA（Low Rank Adapter）
    • ChatGLM-6B: zhuanlan.zhihu.com/p/62
    • ChatGLM2微调保姆级教程: zhuanlan.zhihu.com/p/64
    • ChatGLM3-6B微调
  • QLoRA
    • 用bitsandbytes、4比特量化和QLoRA打造亲民的LLM:cnblogs.com/huggingface
  • AdaLoRa
  • SLoRA

其他

  • P-Tuning V2介绍
  • P-Tuning v2微调实战

实战

  • HuggingFace PEFT库详解
  • Deepspeed-Chat SFT 实践

第7章 大型语言模型预训练

7.1 预训练模型中的分词器

  • BPE详解
  • WordPiece详解
  • Unigram详解
  • SentencePiece详解
  • MinBPE实战和分析：github.com/karpathy/min

7.2 分布式训练

  • 分布式训练概述
  • 分布式训练并行策略
  • 分布式训练的集群架构
  • 分布式深度学习框架
    • Megatron-LM详解
    • DeepSpeed详解
  • 实践
    • 基于DeepSpeed的GLM预训练实战
    • 基于DeepSpeed的LLaMA 分布式训练实践

7.3 MOE混合专家模型

  • 基础概念
  • Mixstral-8X7B-MOE-介绍
  • 相关论文

第8章 LLM应用

8.1 推理规划

  • 思维链提示（Chain-of-Thought Prompting）
    • 论文
    • 实战
  • 由少至多提示（Least-to-Most Prompting）

8.2 综合应用框架

  • LangChain框架核心模块
    • 9个范例带你入门langchain: zhuanlan.zhihu.com/p/65
  • 知识库问答实践

8.3 智能代理AI Agent

  • 智能代理介绍
    • LLM Powered Autonomous Agents: lilianweng.github.io/po
  • 智能代理的应用实例

第9章 LLM加速

9.1 注意力优化

  • FlashAttention系列
  • PagedAttention
    • 深入理解 BigBird 的块稀疏注意力: cnblogs.com/huggingfacehf.co/blog/big-bird

9.2 CPU推理加速

  • Llama.c应用与代码详解
  • Llama.cpp应用与代码详解
  • ChatGLM.cpp应用与代码详解

9.3 推理优化框架

  • vLLM推理框架实践
  • TensorRT-LLM应用与代码详解

9.4 训练加速

第10章 强化学习

10.1 强化学习概述

10.2 强化学习环境

10.3 强化学习算法

  • Q-learning算法
  • DQN算法
  • Policy Gradient算法
  • Actor-Critic算法

第11章 PPO算法与RLHF理论实战

11.1 近端策略优化算法PPO

  • PPO：Proximal Policy Optimization Algorithms 论文
  • PPO介绍
    • 广义优势估计
    • PPO算法原理剖析
    • PPO算法对比与评价
    • 使用PPO算法进行RLHF的N步实现细节: cnblogs.com/huggingface
  • PPO实战
    • 基于PPO的正向情感倾向性 github.com/liucongg/Cha

11.2 基于人类反馈的强化学习RLHF

  • InstructGPT模型分析
    • InstructGPT：Training language models to follow instructions with human feedback
  • 论文RLHF：Augmenting Reinforcement Learning with Human Feedback
  • RLHF的流程
    • RLHF内部剖析
      • 详解大模型RLHF过程（配代码解读） zhuanlan.zhihu.com/p/62
    • RLHF价值分析
    • RLHF问题分析
    • 数据收集与模型训练
  • RLHF实践
    • 数据预处理模块
    • 模型训练\生成\评估
    • zhuanlan.zhihu.com/p/63
  • MOSS-RLHF 实践
    • 奖励模型训练
    • PPO 微调

第12章 类ChatGPT实战

12.1 任务设计

12.2 数据准备

  • 基于文档生成问题任务的类 github.com/liucongg/Cha
    • SFT阶段
    • RM阶段
    • RL阶段

第13章 语言模型训练数据

13.1 数据来源

  • 通用数据
  • 专业数据

13.2 数据处理

  • 低质过滤
  • 冗余去除
  • 隐私消除

13.3 数据影响分析

  • 数据规模影响
  • 数据质量影响
  • 数据多样性影响

13.4 开源数据集合

  • Pile
  • ROOTS
  • RefinedWeb
  • SlimPajama

第14章 大语言模型评估

14.1 模型评估概述

14.2 大语言模型评估体系

  • 知识与能力
  • 伦理与安全
  • 垂直领域评估

14.3 大语言模型评估方法

  • 评估指标
  • 评估方法

14.4 大语言模型评估实践

  • 基础模型评估
  • SFT/RL 模型评估

第15章 多模态大模型

  • 多模态大模型调研
  • 实战

第16章 大模型原生应用

16.1 落地调研

  • 应用分析
    • 提供大模型基础服务：ChatGPT、Gemini、文心一言和GLM4等，主要面向ToC/ToB提供chat能力（内容创作、代码开发等），通过会员收费或按Token计费
    • ToB提供成套解决方案
    • 集成现有接口二次开发，应用开发
    • 开源模型增量预训练、全量微调、高效微调，行业内落地

模型最终还需落地解决实际问题，创造价值：优化现有问题、满足、甚至创造用户需求。

总的来说，就是规模化、自动化人的工作，替代人工，批量化、大规模生成或提供服务。

16.2 应用分析

一些思考

在企业里面做7B、13B量级的微调，主要就是在搞数据、样本，技术壁垒不高。预训练壁垒高，因为需要烧钱堆经验。

在这个日新月异的时代，如何紧跟行业主流发展，并具备不可替代性是个难题：

  • 稀缺（不可替代性）
  • 稳定（业务和表层技术天天变，但底层的理论变化不大）
  • 需求持续（最好是类似衣食住行的刚需，否则技术 过时/热度褪去/不达预期，泡沫崩溃）
  • 不能越老越吃香（放到绝大多数行业都适用：不能经验积累，持续长期创造价值）
  • 壁垒（技术、业务、资本上有垄断）

尽量往底层和工程化上靠，学习相对不变的技术（理论上变化很难），迁移到稳定或有前景的行业，不断提升自己的学习效率：

  • 计算机系统知识（训练、推理、开发，模型推理部署工程化）
  • 数学（深入学习并实践）

参考:

想学习大语言模型(LLM)，应该从哪个开源模型开始？ - 知乎

相关文章：

2024-03-26 AIGC-大模型学习路线

摘要: 2024-03-26 AIGC-大模型学习路线 大模型学习路线 建议先从主流的Llama开始，然后选用中文的Qwen/Baichuan/ChatGLM，先快速上手体验prompt工程，然后再学习其架构，跑微调脚本 如果要深入学习，建议再按以下步骤&am…...

编程日记 2024/3/28 2:26:41

QGraphicsView的使用，view坐标，scene坐标，item坐标

Graphics View绘图构架 QGraphicsScene（场景）：可以管理多个图形项QGraphicsItem（图形项）：也就是图元，支持鼠标事件响应。QGraphicsView（视图）：关联场景可以让…...

编程日记 2024/3/28 2:22:36

from_pretrained 做了啥

transformers的三个核心抽象类是Config, Tokenizer和Model，这些类根据模型种类的不同，派生出一系列的子类。构造这些派生类的对象也很简单，transformers为这三个类都提供了自动类型，即AutoConfig, AutoTokenizer和AutoModel。三个…...

编程日记 2024/3/28 2:21:35

2024/03/27(C++·day3)

一、思维导图 二、完成下面类 代码 #include <cstring> #include <iostream>using namespace std;class myString { private:char *str; // 记录C风格的字符串int size; // 记录字符串的实际长度public:// 无参构造函数myString() : size(10){str new char[si…...

编程日记 2024/3/28 2:19:33

Multimodal Chain-of-Thought Reasoning in Language Models阅读笔记

论文&#xff08;2023年&#xff09;链接&#xff1a;https://arxiv.org/pdf/2302.00923.pdf GitHub项目链接&#xff1a;GitHub - amazon-science/mm-cot: Official implementation for "Multimodal Chain-of-Thought Reasoning in Language Models" (stay tuned a…...

编程日记 2024/3/28 2:13:28

C语言例4-15：从键盘输入一个整数，求其绝对值并输出。

代码如下&#xff1a; //从键盘输入一个整数&#xff0c;求其绝对值并输出。 #include<stdio.h> int main(void) {int n;printf("输出一个整数&#xff1a; \n");scanf("%d",&n); //从键盘输入一个整数保存至变量nif(n<0) //…...

编程日记 2024/3/28 2:10:25

【Linux】调试器-gdb的使用说明（调试器的配置，指令说明，调试过程说明）

目录 00.背景 01.安装 02.生成调试信息 03.调试过程 00.背景 在软件开发中&#xff0c;通常会为程序构建两种不同的版本&#xff1a;Debug模式和Release模式。它们之间的区别主要在于优化级别、调试信息、错误检查等方面&#xff1a; 1.Debug 模式&#xff1a; 优化级别低…...

编程日记 2024/3/28 2:09:24

Oracle AI Vector Search Multi-Vector Similarity Search 即多向量相似度检索学习笔记

Oracle AI Vector Search Multi-Vector Similarity Search 即多向量相似度检索学习笔记 0. 什么是多向量相似度检索1. 多向量相似度检索的示例 SQL2. 执行多向量相似度检索3. 分区行限制子句的完整语法 0. 什么是多向量相似度检索 多向量相似度检索涉及通过使用称为分区的分组…...

编程日记 2024/3/28 2:08:23

白板手推公式性质 AR模型 时间序列分析

白板手推公式性质 AR模型 时间序列分析 视频讲解&#xff1a;https://www.bilibili.com/video/BV1D1421S76v/?spm_id_from.dynamic.content.click&vd_source6e452cd7908a2d9b382932f345476fd1 B站对应视频讲解(白板手推公式性质 AR模型 时间序列分析)...

编程日记 2024/3/28 2:07:22

零基础学python之高级编程(6)---Python中进程的Queue 和进程锁,以及进程池的创建 （包含详细注释代码）

Python中进程的Queue 和进程锁,以及进程池的创建 文章目录 Python中进程的Queue 和进程锁,以及进程池的创建前言一、进程间同步通信(Queue)二、进程锁&#xff08;Lock&#xff09;三、创建进程池Poorpool 类方法: End! 前言 大家好,上一篇文章,我们初步接触了进程的概念及其应…...

编程日记 2024/3/28 2:06:21

184. 部门工资最高的员工

文章目录 题意思路代码 题意 题目链接 查出每个部门最高工资 思路 子查询group by 代码 select b.name as Department,a.name as Employee,salary from Employee as a left joinDepartment as b ona.departmentId b.id where(a.departmentId, salary) in(select departme…...

编程日记 2024/3/28 2:04:19

插值表达式、Vue指令、指令补充

vue上手步骤 <body><!-- vue2语法 --><!-- 1.准备容器&#xff1a;一会vue就会把数据展示到这里 --><div id"app"><!-- 4.使用{{ }}即可显示数据 &#xff0c;{{}}就是插值表达式--><p>姓名&#xff1a;{{uname}}</p><…...

编程日记 2024/3/28 1:56:11

qiankun实现基座、子应用样式隔离

目录 qiankun 实现主应用与子应用样式隔离使用CSS-in-JS来实现样式隔离react-jssstyled-components qiankun 实现主应用与子应用样式隔离 qiankun 之中默认的样式隔离是针对子应用与子应用之间的。至于主应用的样式会影响到子应用&#xff0c;若需要&#xff0c;则需要配置进行…...

编程日记 2024/3/28 1:54:09

C语言从入门到实战----数据在内存中的存储

1. 整数在内存中的存储 在讲解操作符的时候&#xff0c;我们就讲过了下⾯的内容&#xff1a; 整数的2进制表⽰⽅法有三种&#xff0c;即 原码、反码和补码 有符号的整数&#xff0c;三种表⽰⽅法均有符号位和数值位两部分&#xff0c;符号位都是⽤0表⽰“正”&#xff0c;⽤…...

编程日记 2024/3/28 1:53:08

接口关联和requests库

一、接口关联 postman的接口 postman的接口关联配置&#xff1a;js代码&#xff0c;重点在于思路。 // 定义jsonData这个变量 接受登录接口的返回结果 var jsonData JSON.parse(responseBody); // 从返回结果里提取token/id值&#xff0c;并赋值给token/id变量值作为环境变…...

编程日记 2024/3/28 1:52:08

Python编程基础 001 开篇:为什么要学习编程

Python编程基础 001 开篇:为什么要学习编程 一、什么是程序&#xff0c;什么是编程二、学习编程对青少年的价值&#xff08;一&#xff09;未来社会的需要&#xff08;二&#xff09;学习对现青少年现的现阶段的直接影响 三、学习编程从什么时候开始&#xff08;一&#xff09;…...

编程日记 2024/3/28 1:50:06

AQS源码分析

前言 AbstractQueuedSynchronizer是抽象同步队列&#xff0c;其是实现同步机器的基础组件&#xff0c;并发包中的锁的底层就是使用AQS实现的。AQS中 维护了一个volatile int state&#xff08;代表共享资源&#xff09;和一个FIFO线程等待队列&#xff08;多线程争用资源被阻塞…...

编程日记 2024/3/28 1:47:03

应对Locked勒索病毒威胁：你的数据安全准备好了吗？

导言&#xff1a; .Locked勒索病毒&#xff0c;作为一种新型的恶意软件&#xff0c;已经在全球范围内引起了广泛的关注。这种病毒通过加密受害者的文件&#xff0c;并要求支付赎金以获取解密密钥&#xff0c;从而实现对受害者的勒索。本文旨在深入解析.Locked勒索病毒的特点、…...

编程日记 2024/3/28 1:43:00

周末分享一篇关于html和http的文章吧

前面咱们说了https://blog.csdn.net/luohaitao/article/details/136974344&#xff08;说道说道JSP和HTTP吧-CSDN博客&#xff09;&#xff0c;把http的方法和jsp中httpservle对象的方法对上号了&#xff0c;其实从开发的角度看&#xff0c;jsp就是html中混入了java的服务端代码…...

编程日记 2024/3/28 1:41:59

Frechet分布

Frechet分布是一种连续概率分布&#xff0c;它是极值统计中的一个重要模型&#xff0c;尤其在分析极端事件&#xff08;如洪水、地震、金融市场中的极端波动&#xff09;的最大值极限分布时扮演关键角色。Frechet分布属于极值分布的三种基本类型&#xff08;I型、II型、III型&a…...

编程日记 2024/3/28 1:38:56

【Python】 -- 趣味代码 - 小恐龙游戏

文章目录 文章目录 00 小恐龙游戏程序设计框架代码结构和功能游戏流程总结01 小恐龙游戏程序设计02 百度网盘地址00 小恐龙游戏程序设计框架 这段代码是一个基于 Pygame 的简易跑酷游戏的完整实现，玩家控制一个角色（龙）躲避障碍物（仙人掌和乌鸦）。以下是代码的详细介绍：…...

编程新知 2025/10/29 8:41:12

内存分配函数malloc kmalloc vmalloc

内存分配函数malloc kmalloc vmalloc malloc实现步骤： 1）请求大小调整：首先，malloc 需要调整用户请求的大小，以适应内部数据结构（例如，可能需要存储额外的元数据）。通常，这包括对齐调整，确保分配的内存地址满足特定硬件要求（如对齐到8字节或16字节边界）。 2）空闲…...

编程新知 2025/7/16 16:51:12

vscode（仍待补充）

写于2025 6.9 主包将加入vscode这个更权威的圈子 vscode的基本使用 侧边栏 vscode还能连接ssh&#xff1f; debug时使用的launch文件 1.task.json {"tasks": [{"type": "cppbuild","label": "C/C: gcc.exe 生成活动文件"…...

编程新知 2025/10/18 1:18:44

Objective-C常用命名规范总结

【OC】常用命名规范总结 文章目录 【OC】常用命名规范总结1.类名&#xff08;Class Name)2.协议名&#xff08;Protocol Name)3.方法名&#xff08;Method Name)4.属性名&#xff08;Property Name&#xff09;5.局部变量/实例变量&#xff08;Local / Instance Variables&…...

编程新知 2025/10/5 6:41:51

【HTTP三个基础问题】

面试官您好&#xff01;HTTP是超文本传输协议&#xff0c;是互联网上客户端和服务器之间传输超文本数据&#xff08;比如文字、图片、音频、视频等&#xff09;的核心协议&#xff0c;当前互联网应用最广泛的版本是HTTP1.1&#xff0c;它基于经典的C/S模型&#xff0c;也就是客…...

编程新知 2025/9/27 18:25:59

【7色560页】职场可视化逻辑图高级数据分析PPT模版

7种色调职场工作汇报PPT&#xff0c;橙蓝、黑红、红蓝、蓝橙灰、浅蓝、浅绿、深蓝七种色调模版 【7色560页】职场可视化逻辑图高级数据分析PPT模版&#xff1a;职场可视化逻辑图分析PPT模版https://pan.quark.cn/s/78aeabbd92d1...

编程新知 2025/10/21 11:17:25

Go 语言并发编程基础：无缓冲与有缓冲通道

在上一章节中&#xff0c;我们了解了 Channel 的基本用法。本章将重点分析 Go 中通道的两种类型 —— 无缓冲通道与有缓冲通道&#xff0c;它们在并发编程中各具特点和应用场景。 一、通道的基本分类 类型定义形式特点无缓冲通道make(chan T)发送和接收都必须准备好&#xff0…...

编程新知 2025/9/13 17:45:05

push [特殊字符] present

push &#x1f19a; present 前言present和dismiss特点代码演示 push和pop特点代码演示 前言 在 iOS 开发中&#xff0c;push 和 present 是两种不同的视图控制器切换方式&#xff0c;它们有着显著的区别。 present和dismiss 特点 在当前控制器上方新建视图层级需要手动调用…...

编程新知 2025/10/28 15:15:54

华为OD机试-最短木板长度-二分法(A卷,100分)

此题是一个最大化最小值的典型例题&#xff0c; 因为搜索范围是有界的&#xff0c;上界最大木板长度补充的全部木料长度&#xff0c;下界最小木板长度&#xff1b; 即left0,right10^6; 我们可以设置一个候选值x(mid)&#xff0c;将木板的长度全部都补充到x&#xff0c;如果成功…...

编程新知 2025/10/19 14:45:31

【C++】纯虚函数类外可以写实现吗？

1. 答案 先说答案&#xff0c;可以。 2.代码测试 .h头文件 #include <iostream> #include <string>// 抽象基类 class AbstractBase { public:AbstractBase() default;virtual ~AbstractBase() default; // 默认析构函数public:virtual int PureVirtualFunct…...

编程新知 2025/10/26 22:14:27