学习日记day50 - 技术栈

Day50_1215

专注时间：5H55min

每日任务： 2h= 复习数据库（完成情况及时长 ：）； 1h=二刷2道力扣hot100(如果是hard，只做一道就好 ， 完成情况及时长： 今日1道高频面试手撕题146.LRU缓存，做了2H46min )；【学习资源：PyTorch官方文档：https://docs.pytorch.ac.cn/tutorials/beginner/basics/intro.html】1.5h=PyTorch工程实操(完成情况及时长： 10+8+45把第二个pytorch网页的"局部禁用梯度计算"看懂，就去看第一个pytorch网页 )；1h=周志华机器学习(完成情况及时长： 7 )；【按照Claude的路线】1h=手撕机器学习算法（完成情况及时长： ？？ ）；计算机网络45分钟（完成情况及时长： ？？）

学完机器学习，然后是深度学习、搜广推经典模型（也有很多要手撕的，见Claude生成的）。学完PyTorch，之后是Transformer与大模型架构（见Gemini3pro生成的阶段2）。学快一点，学完还要做搜广推的实战项目。准备一个GitHub Repo把所有手撕过的算法整理进去，这会是最好的复习资料。

必须熟记的API、最简洁的GPT实现、带注释的Transformer实现、推荐系统模型库（包含主流模型实现）还有"Let's build GPT"系列学习视频见Claude的第20页。

学习内容：如上

总结与心得：专注时长很可以。周六周日懈怠+休息了。《146.LRU缓存》是高频手撕面试题。看了《模式识别与机器学习》历年试卷，感觉不去上课，不改学习方法会挂科啊【GitHub repo并且学习的ML等算法都要去做笔记手敲，这样才好复习，而且也才是真正学进去，不然又忘记了。】以后每次课都去，晚上下课后再去练，练完就不做有氧了。买个笔记本电脑充电宝吧。

《146.LRU缓存》

python 复制代码

class DoublyLinkedNode(object):
    def __init__(self,key=0,value=0):
        self.prev = None
        self.next = None
        self.key = key
        self.value = value
class LRUCache(object):
    #move2head deletenode deleltetail add2head
    #get(3)那么key:3对应的(key,value)就算被使用过了
    def __init__(self, capacity):
        """
        :type capacity: int
        """
        #注意这里用了伪头节点和伪尾节点，所以有些函数的逻辑和双向链表不一样
        self.cache = dict()
        self.size = 0
        self.capacity = capacity
        self.head = DoublyLinkedNode()
        self.tail = DoublyLinkedNode()
        self.head.next = self.tail
        self.tail.prev = self.head

    def get(self, key):
        """
        :type key: int
        :rtype: int
        """
        if key not in self.cache:
            return -1
        node = self.cache[key]
        self.move2head(node)
        return node.value
        
    def put(self, key, value):
        """
        :type key: int
        :type value: int
        :rtype: None
        """
        if key in self.cache:
            node = self.cache[key]
            node.value = value
            self.move2head(node)
        else:
            node = DoublyLinkedNode(key,value)
            self.cache[key] = node 
            self.add2head(node)
            self.size += 1
            if self.size > self.capacity:
                denode = self.removetail()
                self.size -= 1
                #dict.pop(key)删除键值对
                self.cache.pop(denode.key)
            

    def delete(self,node):
        node.next.prev = node.prev
        node.prev.next = node.next
    
    def move2head(self,node):
        self.delete(node)
        self.add2head(node)

    def add2head(self,node):
        #伪头节点
        node.next = self.head.next
        node.prev = self.head
        self.head.next.prev = node
        self.head.next = node

    def removetail(self):
        #伪尾节点
        #return:DLinkedNode  被移除的节点（用于删除哈希表中的对应项）
        node = self.tail.prev
        self.delete(node)
        return node

# Your LRUCache object will be instantiated and called as such:
# obj = LRUCache(capacity)
# param_1 = obj.get(key)
# obj.put(key,value)