前言 众所周知，炼丹一般是在老黄的卡上跑的（人话：一般在NVIDIA显卡上训练模型），但是作为果果全家桶用户+ML初学者，其实M芯片的GPU也可以用来GPU加速，效果指不定还比Google Colab上面分给你的T4要快。而PyTorch早在2022年就支持M芯片的GPU加速了，老黄的卡叫CUDA，果果的GPU就叫MPS (Metal Performance Shaders)，下面来看看怎么开启。

以下是notebook直接转换成markdown，在Google Colab上可以正常执行。 可以在这里直接进入👉https://colab.research.google.com/drive/1Xf0wMvc_bG-bMMewme__oDXtE5KmmBCG?usp=sharing 下面的内容为经典的ML应用：classification，分类。 Some hyperparameters（Fo

以下都是notebook直接转换成markdown，在Google Colab上验证可以正常执行。 可以在这里直接进入👉https://colab.research.google.com/drive/1TDM6Vz5efbjTzvXcn1RQMhF5iijg8pzm?usp=sharing 下面的内容是pytorch训练的一般的工作流 Initalize 1234import torchimpo

以下是notebook直接转换成markdown，在Google Colab上可以正常执行。 可以在这里直接进入👉https://colab.research.google.com/drive/1oSCI36tAQq9gfTaHmG5PyDwcPzA1P_pl?usp=sharing 内容为pytorch和ML的入门经典内容，各位可以康一康哈，但是主要以笔记为主，因此会有些中英参半 Basic

比较零散，真就是笔记和理解了，没有教程性质。教程可以去看表严肃的课 不要将function看做纯粹的函数，而要把它看做一个object对象，但其实它还是个函数，只是作为构造器存在。因此，操作时以.来连接。 继承上一级的prototype： 1Laptop.prototype = Object.create(Computer.prototype) 恢复构造器 1Laptop.prototyp

显示 属性为display 值 含义 block（默认） 块级元素 inline 行内元素 inline-block 行内块元素 框 属性 值 含义 height, width ~px 高，宽 padding ~px 内边框 border ~px {solid, dotted（点线）, dashed（虚线）, } {color} 边框 marg

所有属性的值都可以为inherit，即继承母元素。 字体 属性 含义 值 font-family 字体 Serif, Monospace, “Times New Roman”, “宋体” font-weight 粗细 bold, normal, 1~900 font-size 大小 ~px（一般为12，13,14）, ~% font-style 样式 normal, it

前置芝士 一点点图论芝士 Kruskal（或者你用Prim也行），用来求最小生成树 定义 定义就是字面意思，无需解释。 思路 先将输入的图的最小生成树求出来，再枚举没有增加过的边，将他们加入到最小生成树当中去。新增一条边之后，我们就可以得到一个基环树。   接下来，我们在这棵基环树上找到环，并删除环上最长的边，这是我们就可以得到一颗新的树。通过枚举每一颗新的树，找到这些树中的最小的树，这就

前言 好家伙，木板题都是黑题，这东西还要不要学了？（好吧还是要的。） 正文 ¶定义 ¶插头 首先，我们定义插头这个概念。如图： 对于这个图，在格子[1,1]中，我们说这有一个下插头，在格子[2,1]中，我们说这里有一个上插头。 ¶轮廓线 如图： 对于图中黄色格子[2,3]，轮廓线就是这一条红色的线，而插头DP的一大精髓就是表示轮廓线的状态（这还可以理解把。 :mrgreen: ¶思路 所以，

Day17 明天回长，，， ¶上午 考试考试考试。其实T1和T3的暴力我都打了，而且自己测的数据都没有问题，为什么就是没有分呢？   T2一开始没有看懂题目（好像已经有几次都存在没看懂题目或者看错题的情况了），后来手动模拟了一下，发现就是求有多少连续的不小于B的Ai。于是赶紧把50分给打了。   最后提交的时候发生了一点意外，T2交错了，又没有在第一时间发现。后来被我爸看到保龄我才把对的交上去，真