2026年2月19日 星期四

KMP 演算法

背景:假設有字串 s 跟比較對象 pattern,檢查是否有 pattern 存在於 s。 

目的:字串匹配時,暴力法會是每個字元 s[i] 作為起始點來看是否為 pattern,這樣的時間複雜度是 O(n*m)。

KMP 演算法藉由陣列 next 儲存 pattern 本身的「最長共同前後綴 (prefix/postfix)」來節省每次都要從頭匹配的 bottleneck,達成 O(n) 的複雜度。

2026年2月18日 星期三

SQL Note

 -- SELECT ...

-- FROM ...
-- WHERE ...       -- ✅ 分組前過濾資料
-- GROUP BY ...    -- ✅ 再分組
-- HAVING ...      -- ✅ 分組後過濾聚合結果
-- ORDER BY ...

GROUP BY 的規則

  • 當你使用 GROUP BY 時:

    • SELECT 中的欄位 只能是

      1. GROUP BY 裡的欄位

      2. 聚合函數(COUNT, SUM, MAX...)

  • MIN()MAX()聚合函數不能放在 WHERE

  • 聚合函數要在 GROUP BY 後 使用,所以應該放在 HAVING 子句

  • 2025年8月17日 星期日

    322. Coin Change

     動規五部曲分別為:

    1. 確定dp數組(dp table)以及下標的含義

    2. 確定遞推公式

    3. dp數組如何初始化

    4. 確定遍歷順序

    5. 舉例推導dp數組

    (from 代碼隨想錄)

    2025年8月15日 星期五

    91. Decode Ways

     動規五部曲分別為:

    1. 確定dp數組(dp table)以及下標的含義

    2. 確定遞推公式

    3. dp數組如何初始化

    4. 確定遍歷順序

    5. 舉例推導dp數組

    (from 代碼隨想錄)

    2025年8月14日 星期四

    5. Longest Palindromic Substring

     動規五部曲分別為:

    1. 確定dp數組(dp table)以及下標的含義

    2. 確定遞推公式

    3. dp數組如何初始化

    4. 確定遍歷順序

    5. 舉例推導dp數組

    (from 代碼隨想錄)

    2025年8月13日 星期三

    213. House Robber II

      動規五部曲分別為:

    1. 確定dp數組(dp table)以及下標的含義

    2. 確定遞推公式

    3. dp數組如何初始化

    4. 確定遍歷順序

    5. 舉例推導dp數組

    (from 代碼隨想錄)

    198. House Robber

     動規五部曲分別為:

    1. 確定dp數組(dp table)以及下標的含義

    2. 確定遞推公式

    3. dp數組如何初始化

    4. 確定遍歷順序

    5. 舉例推導dp數組

    (from 代碼隨想錄)

    2025年8月12日 星期二

    70. Climbing Stairs

    動規五部曲分別為:

    1. 確定dp數組(dp table)以及下標的含義

    2. 確定遞推公式

    3. dp數組如何初始化

    4. 確定遍歷順序

    5. 舉例推導dp數組

    (from 代碼隨想錄)

    2025年2月3日 星期一

    使用 accelerate 將部分參數 offload 到 CPU 上

     有時手上的 GPU memory 不夠跑模型,舉例:eva-clip-8b,可以使用 accelerate 將部分參數 offload 到 CPU 上。

    https://github.com/baaivision/EVA/issues/147

    https://blog.csdn.net/qq_42363032/article/details/139597486

    2025年1月29日 星期三

    刪除本地端下載的 huggingface 模型

     https://stackoverflow.com/questions/65037368/remove-downloaded-tensorflow-and-pytorchhugging-face-models


    pip install huggingface_hub["cli"]

    huggingface-cli delete-cache