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》
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))
