🧱 离线安装 Python 包的完整流程

🔗 一、联网机器：下载包及依赖

bash
展开代码
mkdir -p wheels
cd wheels

# 下载包及其所有依赖
pip download swanlab==0.5.7 -d wheels --no-cache-dir

✅ 示例包：swanlab==0.5.7
💡 替换为你需要的包名和版本

SharegptDatasetConverter 类解析

SharegptDatasetConverter是LLaMA-Factory中的一个核心数据处理组件，专门用于处理ShareGPT格式的对话数据（包括OpenAI格式）。这个转换器将各种形式的对话数据转换为统一的内部格式，方便后续处理。下面几个方面可以帮助你理解它的工作原理：

1. 角色标签映射

代码开始定义了一个tag_mapping字典，将数据中的角色标签（例如"user"、"assistant"）映射到内部使用的枚举值。例如，对于OpenAI格式，它会将"user"映射到Role.USER.value，将"assistant"映射到Role.ASSISTANT.value等。这保证了不同数据集之间角色表示的一致性。

对三个不同文件夹中的图像进行相似度匹配，并将匹配成功的三张图像（每个文件夹各一张）拼接成一张横向长图保存。以下是详细的功能解析：

核心功能

1. 图像匹配： • 从三个文件夹（yuantu原图、Effect_ox1效果图1、Effect_pf效果图2）中读取图片。

   • 通过计算图像的均方误差（MSE）衡量相似度，找到每个原图对应的最相似的两张效果图（分别来自两个效果图文件夹）。

   • 使用全局优化算法（迭代移除已匹配的图片）确保匹配的唯一性和最优性。

2. 图像拼接： • 将匹配成功的三张图片（原图 + 效果图1 + 效果图2）横向拼接成一张长图。

   • 拼接时保持所有图片高度一致，宽度按原始比例缩放。

3. 结果保存： • 将拼接后的图像保存到save_mse文件夹中，文件名按序号命名（如001.jpg）。

一、补充的5个核心方向

在掌握了算法面试中最常见的几大类题型（如动态规划、DFS/BFS、贪心、字符串、树）之后，还有一些非常重要的补充知识点也常常出现在高频面试题中。以下是五大进阶方向及对应的必刷题目推荐。

树（Tree）结构题目分类与详解

树（Tree） 是算法面试中非常核心的数据结构，广泛涉及遍历、递归、DFS/BFS、二叉搜索树（BST）、平衡树、字典树（Trie）等知识点。本文将对树类常见题型进行系统分类与经典题目解析，帮助你快速掌握解题思路。

字符串算法题目分类与详解

字符串（String） 是算法面试中占比极高的题型，涉及模式匹配、子串/子序列、哈希计数、回文、滑动窗口等多个核心知识点。本文将对字符串常见题型进行系统分类与经典题目解析，帮助你快速掌握解题思路。

贪心算法（Greedy Algorithm）系统分类与经典题型详解

贪心算法（Greedy Algorithm） 是一种在每一步选择中都采取当前状态下最优决策的算法思想，常用于解决最优化问题。其核心在于：局部最优解能否推导出全局最优解。

本文从基础概念到经典题型进行系统分类与解析，涵盖从入门到进阶的所有常见问题。

一、贪心算法的三大核心要素

1. ✅ 贪心选择性质：每一步的局部最优选择能导致全局最优解
2. 🔁 无后效性：当前的选择不会影响后续子问题的结构
3. ⚡ 高效性：时间复杂度通常为 $O(n)$ 或 $O(n \log n)$，优于动态规划

广度优先搜索（BFS）系统分类与经典题型详解

广度优先搜索（Breadth-First Search, BFS） 是一种基于队列实现的层次遍历算法，适用于最短路径、状态转移、连通性等问题。其核心思想是“层层扩展”，从起点出发，逐层访问所有可达节点。

本文从基础概念到经典题型进行系统分类与解析，涵盖从入门到进阶的所有常见问题。

一、BFS的三大核心要素

1. ✅ 队列（Queue）：存储待访问节点，保证先进先出（FIFO）的遍历顺序
2. 🧭 已访问标记（Visited）：避免重复访问（如哈希表、二维数组）
3. 🔁 层数统计（Level）：记录当前遍历的层数（用于最短路径问题）

深度优先搜索（DFS）系统分类与经典题型详解

深度优先搜索（Depth-First Search, DFS） 是算法中解决树/图遍历、路径搜索、排列组合等问题的核心方法之一。其核心思想是“一条路走到底”的搜索策略，通常通过递归或显式栈实现。

本文从基础概念到经典题型进行系统分类与解析，涵盖从入门到进阶的所有常见问题。

一、DFS的三大核心要素

1. 递归终止条件：何时结束当前分支的搜索

   示例：越界、找到目标、访问过

2. 当前层处理：对当前节点或状态的修改

   示例：标记已访问、加入路径

3. 向子问题递归：进入下一层搜索

   示例：遍历相邻节点、选择下一个数字

动态规划（DP）系统分类与经典题型详解

动态规划（Dynamic Programming, DP） 是算法中解决最优化问题的核心方法之一。其核心思想是将原问题分解为多个重叠子问题，并通过记忆化存储避免重复计算。

本文从基础概念到经典题型进行系统分类与解析，涵盖从入门到进阶的所有常见问题。