学习日记day56

Day56_0113

专注时间：目标是：5h30~6h。实际：4h20min

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

40min=二刷1道力扣hot100(如果是hard，只做一道就好，完成情况及时长：？1h35min)；【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)；1h=周志华机器学习(完成情况及时长：50min+6)；1.5h+(claude的RL4LLM学习路径，时长：40min+50+25)；

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：

总结与心得：学习过程中感觉claude说的真对“不要死磕理论，而是先上手代码，跑通之后再去学细节”。如果先学理论，比如tensor，等代码里真正接触到tensor时候已经忘光了理论知识。目前这个学习效率非常高啊，机器学习和RL4LLM都在有序推进，但是专注时长不够，不然能同时学习pytorch了！还要努力。专注时间进步了，但是早上起来和洗澡回来的时间没用好，刷抖音了。

《105.从前序与中序遍历序列构造二叉树》

# Definition for a binary tree node. # class TreeNode(object): # def __init__(self, val=0, left=None, right=None): # self.val = val # self.left = left # self.right = right class Solution(object): def buildTree(self, preorder, inorder): """ :type preorder: List[int] :type inorder: List[int] :rtype: Optional[TreeNode] """ #注意这个解法只适用于无重复值的二叉树 #遇到了三个问题：找元素索引的方法错误、数组切片范围不确定、对返回值的正确性有疑问。 #审题审错了，是前序和中序 #找index: list.index(val) if not preorder or not inorder: return None val = preorder[0] mid = inorder.index(val) root = TreeNode(val) #数组切片范围，尤其是node.right时候的，想不出来，因为知道要去划分preorder但是不知道怎么写 #因为没想到用*元素数量*来划分 root.left = self.buildTree(preorder[1:mid+1],inorder[:mid]) root.right = self.buildTree(preorder[mid+1:],inorder[mid+1:]) return root

学习defaultdict(int)：

```python

# 导入Python标准库collections中的defaultdict类

# defaultdict是dict的子类，用于解决普通字典访问不存在的键时抛出KeyError的问题

from collections import defaultdict

# 创建一个defaultdict实例，指定默认工厂函数为int

# 1. defaultdict的核心特性：当访问不存在的键时，会自动调用默认工厂函数生成一个默认值并赋值给该键

# 2. 这里int作为默认工厂函数，无参数调用时返回0（int()的默认返回值）

# 3. 变量名cnt是count的缩写，通常用于表示"计数器"，符合该变量的使用场景

# 4. 该对象兼具字典的所有特性，同时新增了默认值自动生成的功能

cnt = defaultdict(int)

```

### 补充说明：

1. **默认值逻辑**：当执行 `cnt['new_key']` 时，若 `'new_key'` 不存在，会自动执行 `int()` 生成默认值 `0`，并将 `'new_key': 0` 存入字典

2. **常见用途**：用于统计元素出现次数（如统计字符串中字符频率、列表中元素频次等）

3. **与普通dict的区别**：普通dict需通过 `dict.get(key, 0)` 手动指定默认值，而defaultdict会自动处理

4. **扩展场景**：若将默认工厂函数改为 `list`，则默认值为空列表 `[]`，可用于分组统计等场景

《437.路径总和3》

from collections import defaultdict from typing import Optional # 定义二叉树节点（题目中已给出，这里补充方便理解） class TreeNode: def __init__(self, val=0, left=None, right=None): self.val = val self.left = left self.right = right class Solution: def pathSum(self, root: Optional[TreeNode], targetSum: int) -> int: # 哈希表：key=前缀和，value=该前缀和出现的次数 cnt = defaultdict(int) # 初始化：前缀和为0的情况出现1次（处理从根节点开始的路径） cnt[0] = 1 ans = 0 # 最终答案，统计符合条件的路径数 # 递归函数： # node：当前遍历的节点 # s：从根节点到当前节点的父节点的前缀和（当前节点值还没加进去） def dfs(node: Optional[TreeNode], s: int) -> None: # 递归终止条件：节点为空，直接返回 if node is None: return # 声明ans是外部函数的变量（非局部变量），否则无法修改 nonlocal ans # 把当前节点值加入前缀和，得到「根到当前节点」的前缀和 s += node.val # 核心逻辑： # 找有多少个前缀和等于 s - targetSum，这就是以当前节点为终点的符合条件的路径数 # 比如s=10，targetSum=5，那么找前缀和为5的次数，就是有多少个起点能到当前节点和为5 ans += cnt[s - targetSum] # 把当前节点的前缀和加入哈希表（供子节点使用） cnt[s] += 1 # 递归遍历左子树 dfs(node.left, s) # 递归遍历右子树 dfs(node.right, s) # 回溯：撤销当前前缀和的计数（因为遍历完当前节点的子树后，要回到父节点，不能影响其他分支） cnt[s] -= 1 # 从根节点开始遍历，初始前缀和为0（根节点的父节点不存在，前缀和为0） dfs(root, 0) return ans

class Solution: def pathSum(self, root: Optional[TreeNode], targetSum: int) -> int: # 统计以node为起点，路径和等于target的数量 def count_path(node, target): if not node: return 0 # 当前节点值等于target，算1条；否则继续找 res = 1 if node.val == target else 0 # 递归找左子树（剩余目标：target - node.val） res += count_path(node.left, target - node.val) # 递归找右子树 res += count_path(node.right, target - node.val) return res if not root: return 0 # 总数量 = 以当前节点为起点的数量 + 左子树所有节点为起点的数量 + 右子树所有节点为起点的数量 total = count_path(root, targetSum) total += self.pathSum(root.left, targetSum) total += self.pathSum(root.right, targetSum) return total