学习日记day67 - 技术栈

Day67_0124

专注时间：目标是：5h30~6h。实际：5h17min

每日任务： 饭后的休息（25min），学习间歇的休息（15min）都用手表计时器来监督

{step1} 40min =二刷 1 道力扣hot100 +昨天的题再做一遍 (如果是hard，只做一道就好 ， 完成情况及时长： 二刷昨日题目：4min，今日题目：21+20 min )；【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： 0。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 )； {step4} 1h=周志华机器学习(完成情况及时长： 0min )； {setp3} 1.5h+(claude的RL4LLM学习路径，时长： min ) ； {step2，计网考纲复习+模式识别复习} 3h =计算机网络考纲题目背诵] （完成情况及时长：）；

学完机器学习，然后是深度学习。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。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。 冰哥听讲座，老师说： GPT是最好的老师，不需要其他家教，清华学生智商120，GPT有140。多用大模型来帮助学习。

学习内容：如上

总结与心得：中午饭后、下午饭后都浪费时间去刷抖音了，晚上洗澡回来看游戏直播看了50分钟，其实发现抖音的内容越来越无聊，多阅读吧，能戒掉浮躁，进入学习的心流状态。计网和模式识别都多了很多复习任务，这几天估计只能复习了。舍友要睡觉了，不然还能再学15分钟。今后控制好饭后、洗澡后娱乐时间，用倒计时s。

《39.组合总和》

python 复制代码

class Solution(object):
    def combinationSum(self, candidates, target):
        """
        :type candidates: List[int]
        :type target: int
        :rtype: List[List[int]]
        """
        #range(startIndex,len(candidates)
        #在可以重复选自己的前提下，还怎么自然过渡到下一层递归？
        #看了自己之前的提交记录，有以下技巧：
            #1.target-candidate[i]传递
            #2.for i in range(startIndex,len(candidates)):
                    #if target-candidates[i]<0:
                        #break
                #这样就能解决"在可以重复选自己的前提下，还怎么自然过渡到下一层递归？"
            #3.需要对candidates数组排序 上面的语法才能work
        #可能这些技巧很难一下子就想出来，还是需要先动手写基本的代码框架，在那上面改吧，加油多点耐心
        self.ans = []
        self.path = []
        def backtrack(candidates,startIndex,target):
            if target == 0:
                self.ans.append(self.path[:])
                return 
            for i in range(startIndex,len(candidates)):
                if target-candidates[i]<0:
                    break
                self.path.append(candidates[i])
                backtrack(candidates,i,target-candidates[i])
                self.path.pop()
        candidates.sort()
        backtrack(candidates,0,target)
        return self.ans