2020-11-07

leetcode 1.两数之和

给定一个整数数组 nums 和一个目标值 target,请你在该数组中找出和为目标值的那 两个 整数,并返回他们的数组下标。

你可以假设每种输入只会对应一个答案。但是,数组中同一个元素不能使用两遍。

 

示例:

给定 nums = [2, 7, 11, 15], target = 9

因为 nums[0] + nums[1] = 2 + 7 = 9
所以返回 [0, 1]

第一次练习leetcode 发现并不太会 打扰了....    看了解析之后 自己写出来了几种解法   过了两个礼拜之后回来再看还是不会  对不起打扰了

仔细想想其实没有那么难  至少可以用暴力解解

class Solution {
public:
    vector<int> twoSum(vector<int>& nums, int target) {
        vector<int> a;
        for(int i = 0; i <nums.size(); i++){
            for(int j = i+1; j<nums.size(); j++){
                if(nums[i]+nums[j] == target){
                    a.push_back(i);
                    a.push_back(j);
                    return a;
                }
            }
        }
    return nums;
    }
};

理解应该很简单 复杂度是f(n^2)   用vector将符合条件下标存储一下 但要注意for循环外面需要程序的出口。

第二种方法是用map表  做一遍遍历   当在map里没有找到当前数组的目标的对应值时,将当前数组的值和下标做一个映射。 如果找到了 再用vector存储相应的下标。 这个方法真的太秒了! 

class Solution {
public:
    vector<int> twoSum(vector<int>& nums, int target) {
        vector<int> a;
        map<int,int> map;
        for(int i = 0; i < nums.size(); i++){
            if(map.find(target-nums[i]) != map.end()){
                a.push_back(i);
                a.push_back(map[target-nums[i]]);

                return a;
            }else
                map[nums[i]] = i;
        }
        return a;
    }
};

 

 

 

`torch_snippets.loader:Glob` 日志显示在 `dataset1/images_prepped_train` 找到 367 个文件,在 `dataset1/images_prepped_test` 找到 101 个文件,这通常意味着在这两个指定的目录中分别发现了相应数量的文件。一般来说,`images_prepped_train` 目录用于存放训练数据集,而 `images_prepped_test` 目录用于存放测试数据集。 从含义上看,这是数据加载过程中的一个信息输出,告知用户在指定的训练和测试数据目录中找到了多少个文件,方便用户确认数据加载是否符合预期。 从可能出现的问题来看,有以下几种情况: - **数据量问题**:如果数据集规模较小,367 个训练文件和 101 个测试文件可能不足以让模型学习到足够的特征,容易导致模型欠拟合。对于一些复杂的深度学习模型,如 U-Net 或 Faster R-CNN,可能需要更多的数据来进行训练,以达到较好的性能 [^2]。 - **数据划分问题**:训练集和测试集的比例可能不太合理。通常,常见的训练集和测试集比例为 7:3 或 8:2。在这个例子中,测试集占比约为 21%,虽然在合理范围内,但如果训练集数据量本身较少,可能会影响模型的泛化能力。 - **数据完整性问题**:需要确保这些文件是完整且可用的。可能存在文件损坏、格式错误等问题,导致部分文件无法被模型正确读取和处理。 以下是一个简单的代码示例,用于检查文件是否能够正常读取: ```python import os from PIL import Image train_dir = 'dataset1/images_prepped_train' test_dir = 'dataset1/images_prepped_test' # 检查训练集文件 for file in os.listdir(train_dir): file_path = os.path.join(train_dir, file) try: img = Image.open(file_path) img.verify() except Exception as e: print(f"训练集文件 {file} 存在问题: {e}") # 检查测试集文件 for file in os.listdir(test_dir): file_path = os.path.join(test_dir, file) try: img = Image.open(file_path) img.verify() except Exception as e: print(f"测试集文件 {file} 存在问题: {e}") ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值