- 博客(32)
- 收藏
- 关注
RSS订阅原创 【Leetocode 236. 二叉树的最近公共祖先】
当递归到某个节点，该节点符合（root == p or root == q）的条件就向上返回，这个节点是一个潜在的LCA候选者（Candidate）。候选者的意思是它有可能就是我们在找的LCA，也有可能并不是，但是和None不一样，它是有用的。本质上，该题目有三种情况，情况1:两个节点p,q分布于最深父公共祖先（LCA）的两侧。情况2:两个节点中的较浅节点p就为LCA，此时另一个节点q在该节点之下。情况2的对应：该Candidate向上返回时，一路畅通无阻（另一侧始终是None），一直返回到根节点。
2026-04-29 09:58:55
207
原创 【240. 搜索二维矩阵 II】
*当前元素 matrix[i][j] 是第 i 行的最大值，同时也是第 j 列的最小值。它像一个天然的 “裁判”，将整个搜索空间清晰地一分为二。**同时，这个 “裁判” 还指出了一个搜索方向：向左会变小，向下会变大。因此，我们可以根据 target 与它的比较，做出唯一的决定。如果从左上角（最小值）开始，当 target 更大时，向右和向下两个方向都是未知的，我们无法立刻做出排除一整行或一整列的决定。排除法之所以有效，是因为它借助了矩阵的两个关键特性——每行从左到右递增，每列从上到下递增。
2026-04-17 14:05:09
46
原创 Leetcode 1026. 节点与其祖先之间的最大差值
从上到下，先序遍历的方式，同时维护上面结点的最大值和最小值。当前路径的最大值和最小值通过参数传递。记录当前路径的最大值和最小值，到叶节点时则可得到，当前路径的最大差值。当前路径的最大值和最小值，通过函数返回值，从下往上传递。
2025-11-28 10:13:41
160
原创 Leetcode 1052. 爱生气的书店老板
1、计算顾客总量，顾客生气总数（不安抚情况下），最大安抚顾客数量，答案即为：顾客总量 - （顾客生气总数（不安抚情况下）- 最大安抚顾客数量）2、两数组相乘得到生气数组，让窗口内累加值最大（固定滑动窗口问题），则可以得到最大安抚顾客数量。
2025-10-10 15:50:42
224
原创 LeetCode 2090.半径为k的子数组
i++) {//1.进入窗口 右窗口指针：i//2.窗口元素不足k个继续continue;//3.业务逻辑//4.离开窗口将左侧窗口元素剔除 左窗口指针：i - k + 1return [];
2025-10-09 16:58:43
132
原创 LeetCode 1170.比较字符串最小字母出现频次
统计最小字母出现频次：利用map的的按"键"有序的特性，map.begin()->second,即为出现过的最小字母的频次查询f(queries[i]) < f(W)的词个数：其实就是查找f(queries[i]) 在排序后的f(W)中的位置；即为f(W) > target，满足的数目为word.size() - index。
2025-09-11 09:33:05
247
原创 LeetCode 34.在排序数组中查找元素的第一个和最后一个位置
1、采用二分法的找第一个出现的数target为左边界，即nums[mid]>=target的第一个数；最后一个出现的数target为右边界，其实相对于找第一个出现的target+1的位置，再减1就是右边界。
2025-09-10 09:21:16
242
原创 Ubuntu 22.04 | 开机时提示piix4_smbus: Host SMBus controller not enabled
【代码】Ubuntu 22.04 | 开机时提示piix4_smbus: Host SMBus controller not enabled。
2024-07-31 20:04:04
1222
原创 Ubuntu settings中没有wired connected的解决方案
【代码】Ubuntu settings中没有wired connected的解决方案。
2024-07-30 15:19:23
285
原创 计蒜客（dfs 数独）
代码 #include<bits/stdc++.h> using namespace std; char s[10][10]; bool vx[10][10], vy[10][10], vv[10][10] bool f; void dfs(int x; int y){ if(f){ return; } if(x == 9){ f = true; for(int i = 0; i < 9; i++){
2022-02-26 22:10:37
227
原创 计蒜客（dfs 等边三角形）
代码 #include<bits/stdc++.h> using namespace std; int p[25]; int vis[25] = {0}; int n, sum; bool f = false; void dfs(int x, int s, int st){ if(f){ return; } if(x == 3){ f = true; return; } if(s == sum / 3){
2022-02-26 21:43:17
319
原创 计蒜客 蒜头君开公司（dfs）
2020 年，蒜头君自己开了一家拥有 N 个员工的大公司。每天，蒜头君都要分配 N 项工作给他的员工，但是，由于能力的不同，每个人对处理相同工作所需要的时间有快有慢。众所周知，蒜头君是一个非常重视效率的人，他想知道该如何分配工作，才能使得完成所有工作的时间总和最小（每个员工只可以被分配到一个工作）。但是我们也都知道蒜头君不是一般的懒，所以蒜头君找到了你，请你拯救一下蒜头君吧！ 输入格式 第一行输入一个整数 N，代表有 N 个员工，员工编号从 1 到 N。（1≤N≤10） 接着输入一个 N∗N的二维矩阵 ta
2021-12-04 10:52:59
311
原创 计蒜客家谱（dfs求直系后代数
计蒜客家谱（dfs求直系后代数） 这一天蒜头君拿到了自己家的家谱，蒜头君便想知道，在自己家的家谱中，每位祖先有多少直系后代（直系后代包括他的孩子和他孩子的直系后代）。但是家族历史源远流长，家谱实在太庞大了，自己一个人完全数不过来。热心的你便自告奋勇帮蒜头君写一个程序，来统计每位祖先有多少直系后代。 输入格式 输入的第一行有一个整数 n(1≤n≤100000)，表示家谱中的总人数。 接下来读入 n−1 行，每行有两个整数 x(1≤x≤n), y(1≤y≤n)，表示 x 是 y 的父母。 输出格式 输出 n 行
2021-12-03 23:30:17
432
原创 踏青（dfs求矩阵中的块数）
蒜头君和他的朋友周末相约去召唤师峡谷踏青。他们发现召唤师峡谷的地图是由一块一块格子组成的，有的格子上是草丛，有的是空地。草丛通过上下左右 444 个方向扩展其他草丛形成一片草地，任何一片草地中的格子都是草丛，并且所有格子之间都能通过上下左右连通。如果用’#‘代表草丛，’.'代表空地，下面的峡谷中有 222 片草地。 处在同一个草地的 222 个人可以相互看到，空地看不到草地里面的人。他们发现有一个朋友不见了，现在需要分头去找，每个人负责一片草地，蒜头君想知道他们至少需要多少人。 输入格式 第一行输入 n,
2021-12-03 21:21:57
202
原创 象棋（与迷宫（一）类似）dfs
题目描述 样例读入 .#....#S# ..#.#.#.. ..##.#..# ......##. ...T..... ...#.#... ...#..... ...###... ......... .##...... 样例输出 Yes 代码： 相较于迷宫（一）这种写法适合只要能找到一条路径，不需要找到所有路径的题型。当涉及到全部路径问题的时候，就需要回溯vis矩阵 #include<cstdio> char matrix[11][11]; bool vis[11][11]={false}
2021-12-03 19:13:49
185
原创 迷宫（一）（单路径 多路径）DFS
一天蒜头君掉进了一个迷宫里面，蒜头君想逃出去，可怜的蒜头君连迷宫是否有能逃出去的路都不知道。 看在蒜头君这么可怜的份上，就请聪明的你告诉蒜头君是否有可以逃出去的路。 输入格式 第一行输入两个整数 nn 和 mm，表示这是一个 n \times mn×m 的迷宫。 接下来的输入一个 nn 行 mm 列的迷宫。其中 ‘S’ 表示蒜头君的位置，’*‘表示墙，蒜头君无法通过，’.‘表示路，蒜头君可以通过’.'移动，'T’表示迷宫的出口（蒜头君每次只能移动到四个与他相邻的位置——上，下，左，右）。 输出格式 输出一个
2021-12-03 18:05:52
501
原创 pytorch深度学习实践_p10_CNN卷积神经网络实现数字辨识
完整代码 import torch from torchvision import transforms from torchvision import datasets from torch.utils.data import DataLoader import torch.nn.functional as F import torch.optim as optim #1、准备数据集 batch_size = 64 transform = transforms.Compose([transforms
2021-08-18 19:14:33
208
原创 pytorch深度学习实践_p8_pytorch实现泰坦尼克号生存预测
泰坦尼克号生存预测 题目原址：https://www.kaggle.com/c/titanic 有能力的可以去看看题目先 数据包括三个文件 完整代码 import torch from torch.utils.data import Dataset,DataLoader import numpy as np import pandas as pd import torch.nn.functional as F class Train_Titanic(Dataset): def __init__(s
2021-08-18 18:04:14
1951
原创 pytorch深度学习实践_p9_多分类问题_pytorch手写实现数字辨识
pytorch手写实现数字辨识 知识点补充 1、准备数据集 transform = transforms.Compose([ #撰写转换器 transforms.ToTensor(), #数据转为向量 transforms.Normalize((0.1307,), (0.3801, )) #将像素值规格化在(0, 1)之间，前者为均值，后者为方差，这两个值是在图像处理上经过大量数据得到的普遍值 ]) train_dataset = datasets.MNIST( root =
2021-08-16 16:46:11
850
原创 pytorch深度学习实践_p8_加载多维数据集
用pytorch实现预测是否会患糖尿病 知识点补充 train_loader = DataLoader(dataset=dataset, batch_size=32, shuffle=True, num_workers=8) dataset:数据集 batch_size:一个batch里包含的样本数 shuffle:是否需要打乱顺序，一般训练集为保证随机性要打乱顺序，而测试集为了保证输出结果的直观性不打乱 num_worker:多线程使用的线程个数，一般设置为4或者8，注意在windows环境下，多
2021-08-15 23:10:43
243
原创 pytorch深度学习实践_p6_用pytoch实现logistic回归
知识点补充 torch.nn.BCELoss(size_average=False) 求交叉熵的函数 实现的步骤 prepare dataset 准备数据集 design model using class 使用类来设计模型 constuct loss and optimizer 创建loss 和优化器 taining cycle 循环训练 斜体样式整体与linear的实现差不多，就把y^和loss fuction 两处做了修改 完整代码 import torch import torch.nn.f
2021-08-14 17:56:07
181
原创 pytorch深度学习实践_p5_用pytorch实现线性回归
知识点补充 torch.nn.Linear(input_dim,output_dim) input_dim:输入的维度，即特征x的个数 output_dim:输出的维度，即输出y的个数 torch.nn.MSELoss(size_average = True, reduce = True) size_average:True表示求batch中损失值的平均数；False表示求batch损失值的总和。默认为True。 reduce:True表示降维；False表示不降维，返回每一个batc
2021-08-14 16:25:28
287
原创 pytorch深度学习实践_p4_Backpropagation
对于Backpropagation的一些理解 做gradient descent 的关键步骤是求loss对w（特征值，这里就用weight做示例）求导，当没有用到神经网络的时候对于其还是比较好求的，但是当嵌套了多层神经元后，其求导难度就大大增加了。这时backpropagation的作用就来了通过一次forward和一次backward以后就能求出。过程如下： ###总结 ：backpropagation的作用就是在神经网络中求出最后一层一层对于第一层input的导数，以便进行梯度下降 torch w.
2021-08-13 19:44:03
242
原创 pytorch 深度学习实践_p3_gradient
课程链接->https://www.bilibili.com/video/BV1Y7411d7Ys?p=3&spm_id_from=pageDriver 易混淆的点： loss是对单个样本评价好坏： cost是评价整个样本的好坏cost 求gradient的两种方式 其中第二个随机梯度下降效果更好，有助于跳出可能出现的鞍点 求gradient ...
2021-08-13 18:14:53
204
原创 pytorch 深度学习实践_p2线性模型
这是在李宏毅的2020机器学习做作业3的时候，发现要用到torch，所以去临时学的一门课程，顺便记录下课程的代码 知识点补充 zip（）函数的用法 zip函数的原型为：zip([iterable, …]) 参数iterable为可迭代的对象，并且可以有多个参数。 该函数返回一个以元组为元素的列表， 其中第 i 个元组包含每个参数序列的第 i 个元素。返回的列表长度被截断为最短的参数序列的长度。 只有一个序列参数时，它返回一个1元组的列表。没有参数时，它返回一个空的列表。 原文链接：https://blog
2021-08-13 15:49:28
188
原创 使用keras实现手写数字辨识
导包 import numpy as np from keras.models import Sequential from keras.layers.core import Dense,Dropout,Activation from keras.optimizers import SGD,Adam from keras.utils import np_utils from keras.datasets import mnist 载入数据 def load_data(): (x_train,y_
2021-08-12 17:30:33
145
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人