墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
200+累计阅读
286平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
#include<bits/stdc++.h>
using namespace std;
const int N=1e5+6;
int n,vis[N];string s;
int main(){
ios::sync_with_stdio(false);cin.tie(0);
cin>>n>>s;int flag=0;
for(int i=0;i<n;i++)if((++vis[s[i]-'a'])>=2)flag=1;
if(n==1||flag==1)puts("YES");else puts("NO");
}小米路由器安装Misstar tools 和MIXBOX
1.该教程适用于如下路由器： 小米路由器1代硬盘版（R1D） 小米路由器mini（R1CM） 全新小米路由器硬盘版（R2D） 小米路由器3（R3） 小米路由器3G（R3G） 小米路由器Pro（R3P） 小米路由器HD（R3D） 2.Misstar2.0在线安装 方法如下： 1.根据路由器对应文件解压文件，把解压目录（比如小米3路由器为R3）和offline_install.sh到U盘根目录，并插入路由器 2.ssh登录后，cd到U盘的目录，比如小米3路...
Codeforces Round #504 (rated, Div. 1 + Div. 2, based on VK Cup 2018 Final) （CF1023D）
题目链接：http://codeforces.com/problemset/problem/1023/D 题目大意：有一个长度为n的序列a，有q次操作。第i次操作可以用i覆盖一段区间内的数。序列a的每个位置至少被改一次。得到最终的序列，然后将序列里的某些位置变成0，输出一种可能的置零之前的最终序列，或无解 思路：通过分析可知，两个相同的数之间的数不可能比端点的数小（除非是零）。这个...
AI编程工具深度横评2026：Claude Code × Cursor × Trae × OpenCode，7场景实测+完整免费配置
2026年AI编程工具已进入"自主Agent"时代：Claude Code以80.8% SWE-bench得分领跑编程能力，Cursor 3在用户体验和多Agent协作方面突出，GitHub Copilot保持企业市场优势。这些工具分别代表不同的使用哲学：命令行原生、IDE分支、平台集成、编辑器扩展和后起之秀。本文从开发者视角出发，通过7个真实编程场景的系统性测试，给出每款工具在具体场景下的表现评估和免费使用完整配置方案。所有代码均可直接复制运行，所有工具均有免费使用路径。
【Codeforces Round #505 (rated, Div. 1 + Div. 2, based on VK Cup 2018 Final) C】
【链接】 我是链接,点我呀:) 【题意】 给你一个字符串s. 让你在其中的某一些位置进行操作。。 把[1..i]和[i+1..n]翻转。 使得里面01交替出现的那种子串的长度最长。 【题解】 可以用a,b,c,d,e,f,g依次连在一起。然后a和g再连在一起。形成一个环。。 然后你在这个环上模拟这个操作的过程。 就会发现。不管怎么样。 形成的序列都是下列字符串的一个子串(...
QT使用openssl实现RSA加解密
使用openssl生成公私钥，随后用QT对相应的信息进行RSA加解密
西门子smart能搜到cpu但连接当前IP地址失败
将ip地址改到同一网段 本机为192.168.1.119就是192.168.1.1网段，但plc在192.168.0.1网段，所以显示ip连接失败，改为同一网段192.168.1.xxx即可（为避免ip冲突尽量改到200往后最大255）如果显示这一步，那么你的物理连接是没有问题的，应当是plc和电脑并不在同一网段导致的问题。输入ipconfig 查看本机网段与plc是否为同一网段。此电脑就不在同一网段所有造成通讯失败，接下来解决这个问题。win+r打开运行，打开cmd。再次尝试，如果还是报错，那么。
Codeforces Round #505 (rated, Div. 1 + Div. 2, based on VK Cup 2018 Final)
A题，注意可以先变为一种颜色之后再把这种颜色变为另一种颜色，比如aabc变为bbbc再变为cccc，所以判断是否有两个以上一样颜色即可。不过注意N= 1，直接输出Yes就行了。注意思考啊。 B题，定义了一个序列的WCD，WCD是序列中每对数至少一个数的因子。请你任意输出一个WCD，如果不存在输出-1. 因为WCD是序列中每一对都有这个因子，所以我们把第一个数分解质因数。这个数目最多只有32个。...
uniapp运行钉钉小程序
因项目原因，公司需要在钉钉里面开发小程序。之前用uniapp开发过app，H5，小程序。还真没尝试过钉钉小程序，今天就简单的记录下uniapp运行钉钉小程序中的过程。
【Codeforces Round #505 (rated, Div. 1 + Div. 2, based on VK Cup 2018 Final) A】 Doggo Recoloring
【链接】 我是链接,点我呀:) 【题意】 你可以把出现次数大于1的颜色换成其他颜色。 问你最后能不能全都变成同一种颜色 【题解】 判断一下有没有出现次数大于1的就好。 有的话。显然可以一直用它变颜色。 特判n=1的情况。就好。 【代码】 #include <bits/stdc++.h> #define LL long long #define rep1(i...
三款云电脑实测：ToDesk、青椒云、顺网云谁更适合AIGC新手？附详细配置对比
本文针对AIGC新手，深度实测了ToDesk云电脑、青椒云和顺网云三款云电脑服务。通过对比上手门槛、内置生态、操作引导及成本，发现ToDesk云电脑凭借一键启动、丰富预置模型和直观引导，为新手提供了最接近“开箱即用”的零门槛AIGC创作体验，是快速入门AI绘画的高效选择。
Matlab/simulink频率响应分析方法
Matlab/Simulink仿真系列问题一.电气模块与信号模块 一.电气模块与信号模块
Educational Codeforces Round 45 (Rated for Div. 2) B. Micro-World
题目描述： B.微观世界 你有一个细菌培养皿现在你打算研究这儿难以观察的微观世界，但是不幸的是 在你的周围咩有任何的显微镜，所以你无法观察他们。 你知道在培养皿里有多少个细菌，和培养皿的尺寸，同时你也知道银河间的正 整数常量K。 如果满足ai>aj且ai<=aj+K则第i个细菌将吞并第j个细菌。第j个细菌将会消失 但是第i个细菌不会改变它的尺寸。细菌可以表现出多种吞并方...
基于STM32的家庭环境监测毕业设计（全部资料）
本文设计并实现了一套基于STM32的家庭环境监测系统，具备温湿度、烟雾浓度和PM2.5检测功能，通过OLED屏实时显示数据，并能自动或手动控制风扇、加湿器等设备。系统采用分层架构设计，包含数据采集、处理、显示和控制执行模块，经测试性能稳定可靠。研究结果表明，该系统能有效提升家庭环境监测与控制的智能化水平，但仍存在传感器精度和智能化程度不足等问题，未来可进一步优化硬件配置并引入AI算法提升性能。
Educational Codeforces Round 49 (Rated for Div. 2)A. Palindromic Twist
problem link:http://codeforces.com/contest/1027/problem/A 第一次写用了48行，第二次写用了12行。还是做题太少。心塞塞。 小闵呀，加油！！！ #include<bits/stdc++.h> using namespace std; int main(){ int T;cin>>T; while...
ET2012新版免狗免安装绿色软件
ET2012新版免狗免安祖昂绿色软件。，新界面，新视觉，
深度学习工具包 DeepLearningToolbox
深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[](https://bitdeli.com/free "Bitdeli Badge")
AIM Tech Round 5 (rated, Div. 1 + Div. 2) B. Unnatural Conditions
problem link:here！！ 题意:s（x）=x的所有组成数字之和。依题意需满足s(a)>=n,s(b)>=n,s(a+b)<=m.。只需构造得到s(a)最大s(a+b)最小即可。 AC code： #include<bits/stdc++.h> using namespace std; const int N=2e2; string a,b; i...
NTscan扫描工具
ntscan是一个扫描器，可以扫描没有密码和弱密码的共享，先到配置文件中填写猜测的用户名和密码，扫描过程中右侧出现的是扫描日志。
Codeforces Round #490 (Div. 3) D. Equalize the Remainders
1，题目描述： D,使余数相等。 给你一个含有n个整数的数组a1,a2,…,an，和一个正整数m。保证m是n的因数。 在单次移动中，你可以选择在1到n之间的任一位置的数ai加1. 计算cr（0~m-1）——每个元素除以m之后的余数r。换句话说，对于每个余数， 找到与它相对应的元素。 你的任务是改变数组的元素使得c0=c1=…=cm-1=n/m; 找到满足上述要求的最小的需要改变的次数...
VC中sqlite的使用
在VC中对sqlite的使用，实现数据库大批数据的快速插入，读取数据库中的数据在ListCtrl中显示
Manthan, Codefest 18 (rated, Div. 1 + Div. 2) A. Packets
problem link:http://codeforces.com/contest/1037/problem/A 题意：给你一个整数n，以n=6为例： 得到1：则将1分为一个包。 得到2：则将2分为一个包。 得到3：则1包和2包可以组成。 得到4：则将3分为一个包。 得到5：则2包和3包可以组成。 得到6：则1包，2包和3包可以组成。...
Educational Codeforces Round 49 (Rated for Div. 2) C. Minimum Value Rectangle
problem link:http://codeforces.com/contest/1027/problem/C 先有下面的关系： 很明显只要a和b足够接近就可以了。 AC code： #include<bits/stdc++.h> using namespace std; const int N=1e6+6; double ans=1e18,pre; int s[N...
Codeforces Round #507 (Div. 2, based on Olympiad of Metropolises) B. Shashlik Cooking
problem link:http://codeforces.com/contest/1040/problem/B 题意：给你一个n代表有n个初始状态为正面的羊肉串，k代表你每次可以随机选择一个数值i，并把第 i-k 到第 i+k 个羊肉串翻过来。问你最少需要多少次可以把所有羊肉串全部翻过来。 解题报告：经过观察发现，当k==0时，那就需要翻n次了，当n<=(2*k)+1时，肯定翻中间那个...
Codeforces Round #506 (Div. 3) C. Maximal Intersection
problem link:http://codeforces.com/contest/1029/problem/C 题意：给你n对数，没对数中的两个数分别代表坐标中的起点和终点，问让你选择删除一对数，使得剩下的（n-1）对数的公共部分长度最长。 解题思路：时间给的是三秒。但是用multiset可以很好地解决。首先暴力删除每一对数，计算剩下n-1对数公共部分——计算公共部分长度的方法如下：首先把所...
Codeforces Round #495 (Div. 2) ABC 题解
A.Sonya and Hotels description：给你位于无限长的横坐标的n个城市，和每个城市的坐标Xi。要求再建一个城市，该城市需要满足距离所有的城市的最短距离为d。 link：http://codeforces.com/contest/1004/problem/A 思路：以n=5，d=2为例： AC code: #include<iostream> us...
Codeforces Round #501 (Div. 3)
A. Points in Segments 1.description：寻找没被覆盖的点的个数 。 2.AC code: #include&lt;iostream&gt; #include&lt;map&gt; #include&lt;set&gt; using namespace std; map&lt;int,int&gt;mp; set&lt;in
Codeforces Round #508 (Div. 2) B. Non-Coprime Partition
problem link:http://codeforces.com/contest/1038/problem/B 题意：给你一个n，让你将从1~n这n个数分为两部分，使得两部分的和的最大公约数不为1。观察发现，只要把前n-1个数分成一个组，然后n分成一个组，然后n==1和n==2的情况特殊处理就好了。 证明一下这个为什么是正确的： 当n>=3时 前n-1个数的和为（n-1）*n/2...
2018-3-16 codeforces edu 39
1，A. Partition time limit per test1 second memory limit per test256 megabytes inputstandard input outputstandard output You are given a sequence a consisting of n integers. You may partition this
Manthan, Codefest 18 (rated, Div. 1 + Div. 2)C. Equalize
problem link:http://codeforces.com/contest/1037/problem/C 题意：给你分别含有n个字符的两个字符串a和b。你可以有两种操作最终将a字符串变成b字符串：第一种：交换字符串a中的任意两个位置i，j的字符的位置：消费为|i-j|;第二种：改变a中某一个位置的i的值，（把1变成0，或把0变成1），消费为1。问最少的消费是多少。 解题思路：如果两个a...
Educational Codeforces Round 49 (Rated for Div. 2) B. Numbers on the Chessboard
problem link：http://codeforces.com/contest/1027/problem/B 可以分解开来找规律：看图 以n为4为例，每行有n/2个数。结合坐标特点得出规律。 AC code: #include<iostream> using namespace std; typedef long long ll; ll n,q,a,b,ans...
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
2万+
扫一扫
