技术背景在上一篇博客中，我们用矩阵的语言介绍了量子计算中基本量子单元——量子比特，与量子门操作的相关概念。通过对量子态的各种操作，相当于传统计算机中对经典比特的操作，就可以完成一系列的运算了。但是量子计算的一个待解决的问题是，所有存储在量子态中的信息是没办法从经典世界直接读取的，只能通过量子测量，使得量子态坍缩到经典比特之后，才能够在经典世界里进行读取。量子测量的矩阵形式如果通过各种量子门操作构成的量子线路，也称为量子算法，会使得一个给定的量子态\(\left|\psi_0\right>\)变化到目标量子态\(\left|\psi_t\right>\)。那么以当前时代的量子计算机的条件来说，还
技术背景量子计算作为一种新的计算框架，采用了以超导、离子阱等物理体系的新语言来描述我们传统中所理解的矩阵运算。不同于传统计算机中的比特（经典比特）表示方法，量子计算的基本单元被称为量子比特。我们可以通过一个布洛赫球的模型来理解二者的区别： 传统比特用高电平和低电平来表示一个经典比特的1态和0态，分别对应于布洛赫球模型的南极点和北极点。这是经典比特所能够表示的信息，相当于球表面的两个点，而一个量子比特所能够表示的信息，是整个球的表面（球体内部的点在特定体系下也能够取到，一般我们只取球的表面来表示量子比特的信息）。除了两个极点所表示的信息，与经典比特所表示的信息一致之外，其他的布洛赫球表面的点，表
技术背景在上一篇博客中，我们用矩阵的语言介绍了量子计算中基本量子单元——量子比特，与量子门操作的相关概念。通过对量子态的各种操作，相当于传统计算机中对经典比特的操作，就可以完成一系列的运算了。但是量子计算的一个待解决的问题是，所有存储在量子态中的信息是没办法从经典世界直接读取的，只能通过量子测量，使得量子态坍缩到经典比特之后，才能够在经典世界里进行读取。量子测量的矩阵形式如果通过各种量子门操作构成的量子线路，也称为量子算法，会使得一个给定的量子态\(\left|\psi_0\right>\)变化到目标量子态\(\left|\psi_t\right>\)。那么以当前时代的量子计算机的条件来说，还
技术背景量子计算作为一种新的计算框架，采用了以超导、离子阱等物理体系的新语言来描述我们传统中所理解的矩阵运算。不同于传统计算机中的比特（经典比特）表示方法，量子计算的基本单元被称为量子比特。我们可以通过一个布洛赫球的模型来理解二者的区别： 传统比特用高电平和低电平来表示一个经典比特的1态和0态，分别对应于布洛赫球模型的南极点和北极点。这是经典比特所能够表示的信息，相当于球表面的两个点，而一个量子比特所能够表示的信息，是整个球的表面（球体内部的点在特定体系下也能够取到，一般我们只取球的表面来表示量子比特的信息）。除了两个极点所表示的信息，与经典比特所表示的信息一致之外，其他的布洛赫球表面的点，表
题目来源：https://www.acwing.com/problem/content/description/789/题目描述给定你一个长度为n的整数数列。请你使用归并排序对这个数列按照从小到大进行排序。并将排好序的数列按顺序输出。输入格式输入共两行，第一行包含整数n。第二行包含n个整数（所有整数均在1∼109范围内），表示整个数列。输出格式输出共一行，包含n个整数，表示排好序的数列。数据范围1≤n≤100000输入样例：531245输出样例：12345思路讲解首先确定中间基准点mid=left+（right-left）/2，在每次进行方法时先进性一次递推进行数组的分割，将数组分为单个值后进
题目来源：https://www.acwing.com/problem/content/description/789/题目描述给定你一个长度为n的整数数列。请你使用归并排序对这个数列按照从小到大进行排序。并将排好序的数列按顺序输出。输入格式输入共两行，第一行包含整数n。第二行包含n个整数（所有整数均在1∼109范围内），表示整个数列。输出格式输出共一行，包含n个整数，表示排好序的数列。数据范围1≤n≤100000输入样例：531245输出样例：12345思路讲解首先确定中间基准点mid=left+（right-left）/2，在每次进行方法时先进性一次递推进行数组的分割，将数组分为单个值后进
CMR看一张比较有说服力的图（是师姐让我看的这个文章，她觉得对她的论文有用。我就开始看，然后把图直接pia给她，她说“好有说服力的一张图”）。当我们离线训练好一个模型$f_0$之后，我们把它部署出去，当他遇到分布外的数据（outofdistributiondata）的时候，就会报错，产生一个$E_1$。然后我们就需要回来把这个模型更新，就得到我们的新模型$f_1$，然后再把它部署上线；它又会遇到分布外的一些数据，然后会报错产生一个$E_2$，然后我们再把这个模型拿回来再更新，得到一个$f_2$。如此循环往复。CMR方法旨在通过在不发生灾难性遗忘的情况下改进$f_t$来修复错误情况。关于持续学习
注意：本文大多采用义译，确保原文意思不变，但不保证用词和原作完全一致。:sunglasses:使用正弦函数为模型添加位置信息Transformer是只基于自注意力机制的序列到序列架构。因为并行计算能力以及高性能。使得它在NLP领域中大受欢迎。现在常见的几个深度学习框架都实现了transformer，这让很多学生都能够方便使用到transformer。但是这也存在一个弊端，他会让我们忽略模型的一些细节。在本文中我，不打算研究它的整体结构，毕竟现在已经有很多优秀的文章介绍其结构了。在本文中我仅对transformer结构的一部分进行探讨，就是位置编码。当我阅读论文原文^[AttentionIsAl
