Day64_0121

专注时间：目标是：5h30~6h。实际：5h47min

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

{step1}40min=二刷1道力扣hot100+昨天的题再做一遍(如果是hard，只做一道就好，完成情况及时长：二刷昨日题目：15min，今日题目：32min)；【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)；{step4}1h=周志华机器学习(完成情况及时长：0min)；{setp3}1.5h+(claude的RL4LLM学习路径，时长：25+63+8min)；{step2，学习《考试重点.pdf》8页并每日复习和1h学习时间都要满足。}1h=计算机网络复习[学习和背诵《考试重点.pdf》+1题历年考题，循环地做。不懂的可以看网课和问豆包]（完成情况及时长：很多时间+已看完，明天复习该文件+做历年试卷）；

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：如上

总结与心得：早上赖床5分钟，成功早起。从17号开始看计算机网络的考试重点.pdf，刚开始觉得难抽象记忆内容多，不过当时提醒自己万事开头难，最难的时候就是进步最快的时候，5天后终于是看完了，之后还要复习模式识别和做这两门课的试卷。最近入睡困难，应该是看手机看多了，睡前冥想会更容易入睡，并且发现专注数数也能马上入睡，今天把健身出发时间改到19.00，看看会不会好入睡。接触深度阅读之后（阅读公众号的文章），自己变得更专注了，很少会思绪不定地打乱手头的专注事。进入学习状态之后，到了休息时间都不会想刷抖音而是想继续学，所以还是要逼自己放下抖音去学习，进入状态之后就好了。今天抢课成功。中午早上的时间都没浪费，下午抖音多刷了25分钟（也就是一次一共刷了40分钟），得改。回宿舍刷了40分钟抖音游戏直播。今天还是比较充实的，以为专注时长会比较高，没想到也就还好，看来抖音拿走的时间还是很多的，明天改改。

《46.全排列》

class Solution(object): def permute(self, nums): """ :type nums: List[int] :rtype: List[List[int]] """ res = [] def backtrack(path,used): if len(path) == len(nums): #错在这里了，注意要用拷贝，不能直接append(path) #在Python中，列表是可变对象，如果直接append(path)，那么实际上是将path的引用添加到结果列表res中。在后续的回溯过程中，path会被不断地修改（添加元素和弹出元素），那么之前添加到res中的path也会随之改变，因为它们是同一个对象。因此，我们需要在找到一个完整排列时，将当前path的副本（即一份独立的数据）添加到res中。这样即使后续path发生变化，已经添加到res中的副本也不会受到影响。具体来说，有两种常见方式创建副本：使用切片：path[:];使用copy方法：path.copy() res.append(path[:]) return for i in range(len(nums)): if used[i]: continue used[i]=True path.append(nums[i]) backtrack(path,used) used[i]=False path.pop() backtrack( [], [False]*len(nums) ) return res