lrjia 最近的时间轴更新 lrjia 最近的时间轴更新 |
lrjiaV2EX 第 490604 号会员，加入于 2020-05-20 21:03:16 +08:00 |
lrjia 最近回复了
149 天前 回复了 drymonfidelia 创建的主题 › 程序员 › 要对单个 6.20TB 的超大 csv 文件保持顺序的情况下进行去除重复行，有什么好思路？显然不可能加载进内存 |
先 hash ，按照 hash 前缀分块成多个文件，使分块后单块的大小可以放入内存。再对每块使用 hash 表去重。最后合并多个文件，用归并排序的做法。这中间应该都是文件的顺序读写。
257 天前 回复了 FeifeiJin 创建的主题 › 程序员 › 超大型文件比较，内存不足，只能分页读区再匹配，但头都秃了，也没想到优化的方式，朋友们帮帮忙啊。 |
可以把 name 分组，比如先把两个文件中所有 a 开头的行读入内存比较，然后再比较 b 、c 。分组粒度大小按照内存大小来。
267 天前 回复了 print1024 创建的主题 › Java › Java 多字符串同时匹配文本，消耗 CPU 过高，如何优化？ |
ac 自动机 + trie 。记 ac 自动机匹配到的关键字个数为 n ，最终匹配到的规则数为 m 。复杂度最差应该是 O(min(2^n, 10w * n))，一般情况应该是 O(nm) https://pastebin.ubuntu.com/p/JbcMYQqHfp/
267 天前 回复了 print1024 创建的主题 › Java › Java 多字符串同时匹配文本，消耗 CPU 过高，如何优化？ |
@print1024 #15 不用循环查找的，做一个倒排索引就行了
2023-10-13 20:20:42 +08:00 回复了 fanym 创建的主题 › 问与答 › 强人工智能的实现代码量估计只有 0.65952MB？ |
要区分两个概念，DNA 中的信息量算是强人工智能的“代码”（.py 文件），而不是完整模型（包括训练完成之后的参数），后者的信息量要大很多。
2023-06-13 13:09:53 +08:00 回复了 yedaxia 创建的主题 › 分享发现 › 似乎没有办法阻止 chatGPT 合并句子 |
尝试加入序号，以及保留原文，尝试了几次没有出现合并。
prompt:
你将担任一名台词翻译家，我将以字典的形式提供给你需要翻译的内容。
翻译规则：目标语言是英文，请记住每个句子作为一个独立句子翻译，请分别翻译它们，不要试图合并句子内容来翻译，即便为了语句通顺也不要这样做，翻译后的句子个数必须和输入的句子个数严格完全一致。
输出规则: 以字典的形式返回翻译结果，并携带原文。
输入输出示例如下：
输入示例：
1. 需要翻译的句子
输出示例：
{
"1": {
"chinese": "需要翻译的句子",
"english": "Sentences that need to be translated"
}
}
下面请翻译如下句子：
1. "我是在互联网行业工作了八年的 u i 设计师大双"
2. "嗯，跟大家简单介绍一下我自己"
3. "呃，我当年之所以选择做 u i 设计师"
4. "主要是想进入互联网这个行业"
5. "因为在当时互联网"
6. "非常的热门"
7. "实现自己的梦想也好"
prompt:
你将担任一名台词翻译家，我将以字典的形式提供给你需要翻译的内容。
翻译规则：目标语言是英文，请记住每个句子作为一个独立句子翻译，请分别翻译它们，不要试图合并句子内容来翻译，即便为了语句通顺也不要这样做，翻译后的句子个数必须和输入的句子个数严格完全一致。
输出规则: 以字典的形式返回翻译结果，并携带原文。
输入输出示例如下：
输入示例：
1. 需要翻译的句子
输出示例：
{
"1": {
"chinese": "需要翻译的句子",
"english": "Sentences that need to be translated"
}
}
下面请翻译如下句子：
1. "我是在互联网行业工作了八年的 u i 设计师大双"
2. "嗯，跟大家简单介绍一下我自己"
3. "呃，我当年之所以选择做 u i 设计师"
4. "主要是想进入互联网这个行业"
5. "因为在当时互联网"
6. "非常的热门"
7. "实现自己的梦想也好"
2022-11-19 01:13:50 +08:00 回复了 kongkongye 创建的主题 › 奇思妙想 › 有个任意网页弹窗搜索的 idea，但好像不大可行？ |
如果把搜索的范围局限在本地的历史记录里，只搜索之前打开过的网页，技术上应该没问题
2022-09-12 00:22:51 +08:00 回复了 wdc63 创建的主题 › 程序员 › 由两个整数生成一个独特的整数 |
直接用位运算，可能还会更快一些 ((int64)a << 32) & (int64)b
2022-02-11 20:29:35 +08:00 回复了 williamjing 创建的主题 › 算法 › 算法问题，大神进！ |
从信息论的角度估算一下，如果认为卡号在 10^16 次方范围内随机分布需要空间大约为 2500MB
$log_2((10^{16})^{4 * 10 ^ 8})= 21260339807 \ bit = 2534MB$
$log_2((10^{16})^{4 * 10 ^ 8})= 21260339807 \ bit = 2534MB$
Select Language