lldb-mi 今天做笔试的时候，因为是ACM模式需要自己构建输入输出，当我在本地调试时发现，没法cin？具体表现为，卡在cin的地方没法单步调试，只能结束调试。 之前做lc的时候都是核心代码模式，所以没考虑过输入输出的debug，遂作罢回笔试界面用眼睛看哪里有问题。 问题来了，笔试做到一半，mac突然提示我内存不足，好家伙vscode占了50GB(lldb-mi你干的好事) 笔试结束之后找了一下原因，发现了别人也有这个问题，同时issue中指路这篇文章，讲解了解决方法，记录一下。 如何配置才能正确用VSC debug处理 cin 首先在本地安装llvm@19，安装完后他会提示你添加环境变量 brew install llvm@19 echo 'export PATH="/opt/homebrew/opt/llvm@19/bin:$PATH"'...
2025, Mar 15 — 2 minute readoutlook 最简单，添加账户，选择Microsoft Exchange，输入outlook邮箱的账户密码即可 qq邮箱 去qq邮箱-账户设置-POP3/IMAP/SMTP/Exchange/CardDAV 服务（已开启） 开启这项服务，会要求你用发一个短信，发完后会有个验证码，输入qq邮箱的地址，密码输入刚生成的验证码即可。 注意，密码不是自己的邮箱密码，否则会提示添加邮箱无法验证。 教育邮箱 以ecnu的教育邮箱为例，登入学校的邮箱，选择设置-微信绑定-客户端专用密码-生成新密码 然后在Mac-邮件-添加账户，选择其他邮件账户，输入帐号和刚生成的新密码。 然后会让你输入服务器和协议，协议选择IMAP，服务器在下面，可以不用输入端口号： 接收服务器： imap.exmail.qq.com(使用SSL，端口号993) 发送服务器：...
2025, Mar 15 — 1 minute readLCS 最长公共子串（Longest Common Substring）与最长公共子序列（Longest Common Subsequence）的区别： 子串要求在原字符串中是连续的，而子序列则只需保持相对顺序，并不要求连续。 最长公共子串 /* dp[i][j] 表示选s1第i个字符和s2第j个字符的公共子串长度 状态转移方程： if s1[i-1] ==...
2025, Mar 11 — 3 minute readLFU 题目链接 ：https://leetcode.cn/problems/lfu-cache/description/ LFU是按照使用频率对kv对排序，当cache满时，淘汰最不经常使用的kv对。 需要维护n个频次的双向链表 需要维护一个key_to_node的哈希表，key标识key，value标识对应的双向链表的节点 需要维护一个freq_to_head的哈希表，key标识频次，value标识对应频次的双向链表的头节点 维护一个min_freq，表示最小频次，当新插入kv对时，更新min_freq = 1，当最小的频次的链表为空时，min_freq++，这样可以通过freq_to_head[min_freq]来获取最小频次的链表头节点，然后删除freq_to_head[min_freq]->pre即可实现cache容量写满时的淘汰操作。 class LFUCache { private: struct...
2025, Mar 06 — 3 minute readGCD and LCM GCD (Greatest Common Divisor) and LCM (Least Common Multiple) are two important...
2025, Feb 13 — 2 minute readmingw64下载及环境变量配置 在mingw官网跳转的github的realse下载最新版本的mingw64，我选择的x86_64-14.2.0-release-win32-seh-msvcrt-rt_v12-rev0.7z 下载后直接解压到C盘根目录，一开始解压到Program File里面，不知道是不是有空格的原因，导致debug的时候一直找不到gdb.exe 在搜索栏搜查看高级系统设置，点击环境变量，双击系统变量的PATH，往里面加入bin的路径，C:\mingw64\bin，然后一直确定，直到环境变量添加成功 vscode下载及插件配置 在vscode下载插件 C/C++的扩展 Code Runner Chinese 按下F1或者按下Ctrl + Shift +...
2024, Nov 07 — 3 minute read双塔模型和自监督学习 双塔模型学不好低曝光物品的向量表征(因为随机抽样物品时，高曝光的物品更容易被抽到) 自监督学习: 对物品做随机特征变换，对一个物品用两种特征变换，得到两个特征向量。 特征向量\(b_i'\), 和\(b_i''\)相似度高(相同物品)。 特征向量\(b_i'\)和\(b_j''\)相似度低(不同物品)。 使得不同物品的特征向量尽可能spread out分散在整个向量空间。 实验效果:低曝光物品、新物品的推荐变得更准。 模型训练 小结 Recommend System的支线暂时停更，原因如下： 一开始以为在腾讯实习后找别的实习会很轻松，所以想学一些搜广推算法类的东西，给秋招多一些算法岗的选择。但是这几天面试后台开发的实习，发现自己很久没刷题背八股后，后台的实习都被问的支支吾吾，这与我多一些岗位选择的本意背道而驰。...
2024, Aug 10 — 1 minute read题干 给定整数数组 nums 和整数 k，请返回数组中第 k 个最大的元素。 请注意，你需要找的是数组排序后的第 k 个最大的元素，而不是第 k 个不同的元素。 你必须设计并实现时间复杂度为 O(n) 的算法解决此问题。...
2024, Jul 18 — 5 minute read