القيم القصوى للنوافذ المنزلقة
جد القيمة القصوى في كل نافذة عددية كاملة ثابتة العرض.
from collections import deque
from math import isfinite
def window_max(values, width):
if type(width) is not int or not 1 <= width <= len(values):
raise ValueError("width")
if not all(map(isfinite, values)): raise ValueError("finite values")
queue, result = deque(), []
for i, value in enumerate(values):
while queue and queue[0] <= i - width: queue.popleft()
while queue and values[queue[-1]] <= value: queue.pop()
queue.append(i)
if i >= width - 1: result.append(values[queue[0]])
return result| راجع قبل التطبيق | قارن السلوك الفعلي بالنتيجة المتوقعة. إذا فشل فحص، تحقّق من السبب قبل إجراء تغييرات إضافية. |
|---|---|
| النماذج | اضبط نقطة اتصال متوافقة مع OpenAI أو Anthropic باستخدام العنوان الأساسي ومفتاح API عند الحاجة. اختبر الاتصال. يجب أن يعمل خادم النموذج المحلي؛ وقد ترسل الأدوات البعيدة البيانات بشكل منفصل. |
| المشروع | اختبر القيم القصوى المتكررة والأعداد السالبة وحدود العرض وارفض القيم غير المحدودة والعرض خارج طول المدخل. |
from collections import deque
from math import isfinite
def window_max(values, width):
if type(width) is not int or not 1 <= width <= len(values):
raise ValueError("width")
if not all(map(isfinite, values)): raise ValueError("finite values")
queue, result = deque(), []
for i, value in enumerate(values):
while queue and queue[0] <= i - width: queue.popleft()
while queue and values[queue[-1]] <= value: queue.pop()
queue.append(i)
if i >= width - 1: result.append(values[queue[0]])
return resultأبقِ تغيير الحساب مرتبطًا بمخرجاته
WindowRidge مساحة عمل لبرمجة الذكاء الاصطناعي على Windows لمناقشة التغييرات في سياق المشروع الذي سيستخدمها. ابدأ بالمخرجات التي يتوقعها تطبيقك وحدد المصدر الذي ينتجها. اطلب من النموذج المتصل فحص المسار الحالي قبل اقتراح بديل، لتظل تفاصيل التنفيذ مرتبطة بمتطلب ظاهر.
حساب القيمة القصوى لنافذة ثابتة العرض إحدى المهام المفيدة. حدد أن كل نتيجة تقابل نافذة مكتملة، وأدرج المستدعي الذي يربط النتائج بمواضع المدخلات. ناقش القيم القصوى المتكررة والقيم السالبة وحدود العرض الصالحة قبل طلب تعديل. يمنح ذلك المراجعة عقدًا يتجاوز الحصول على أكبر عدد في عينة قصيرة.
استخدم اختبارات مشروعك لمقارنة المخرجات المقترحة ببيانات اختبار صريحة. تحقق من عدد النتائج ومحاذاتها وكذلك قيمها، بما في ذلك عرض يساوي واحدًا وعرض يساوي طول المدخلات. إذا كان التغيير يهدف إلى تحسين الكفاءة، فقِسه في عبء عملك بدلًا من استنتاج ضمان للسرعة من تنفيذ مختلف.
صِل نقطة نهاية مدعومة متوافقة مع OpenAI أو تابعة لـ Anthropic لاختيار نموذج WindowRidge. قد يتوفر نموذج ذكاء اصطناعي بلا قيود عبر ذلك المزوّد، مع بيانات اعتماد عند الحاجة. يعتمد سلوك النموذج وسعة السياق ودعم الأدوات على الاتصال الفعلي؛ ولا يزال قبول تغيير حسابي يتطلب مراجعتك وتحققك.
تخطيط تعديل لحساب قائم على النوافذ
- لماذا نعرض مستهلك المخرجات إلى جانب الإجراء؟
قد يربط المستهلك كل قيمة بموضع معين في المدخلات. ويمكن لتعديل أن يحافظ على القيم القصوى مع إزاحة ذلك الارتباط. أدرج المستدعي وحدد النافذة التي تمثلها كل نتيجة كي تغطي المراجعة المحاذاة والحساب معًا.
- ما حالات العرض التي تنتمي إلى مجموعة اختبار صغيرة؟
استخدم واحدًا وطول المدخلات كاملًا وعرضًا غير صالح، إلى جانب الحالة المعتادة التي يحتاجها تطبيقك. حدد سياسة رفض القيم غير الصالحة. تحقق من القيم وعدد النتائج معًا باستخدام فحوص مشروعك الحالية.
- كيف أقيّم اقتراحًا يتعلق بالكفاءة؟
أكد أولًا تكافؤ السلوك في بيانات اختبارك. ثم قِس الحل المرشح ببيانات ممثلة وأدواتك الخاصة. يُعد شرح النموذج لنهج ما سياقًا مفيدًا للمراجعة، لكنه ليس دليل أداء في تطبيقك.
- هل تحتاج القيم القصوى المتكررة إلى اهتمام خاص؟
أدرجها لأن التنفيذ قد يتتبع مواضع القيم المرشحة وكذلك قيمها. اطلب شرحًا لكيفية خروج المرشحين القدامى من النافذة، ثم قارن السلوك المقترح بتسلسل متوقع صريح قبل قبول التعديل.
WindowRidge · آخر تحديث 2026-10-25