LeetCode(222) Count Complete Tree Nodes

本文深入分析了如何利用剪枝思想优化二叉树节点计数过程,通过比较左右子树深度,实现了快速计算满二叉树节点数,避免冗余递归调用,有效提升效率并防止超时问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

隐隐约约感觉用到了剪枝的思想。
第一步:首先计算一路向左的深度,一路向右的深度
第二步:如果相等,则为满二叉树,返回2^depth - 1;
第三步:如果不等,则用递归函数实现递推关系
树的节点数 = 左子树的节点数 + 右子树的节点数 + 1

其中第二步就是对第三步的优化,我们如果不加思考一直使用递推也是可以的,只不过时间比较长,会出现LTE。

使每个子函数尽可能早的返回是此次优化的背后思想。但这到底是不是剪枝尚不清楚,但似乎有那么点味道。

c++代码如下

/**
 * Definition for a binary tree node.
 * struct TreeNode {
 *     int val;
 *     TreeNode *left;
 *     TreeNode *right;
 *     TreeNode(int x) : val(x), left(NULL), right(NULL) {}
 * };
 */
class Solution {
public:
    int countNodes(TreeNode* root) {

        if(root == NULL) return 0;

        int leftDep = 0;
        TreeNode *p = root;
        while(p->left != NULL) { leftDep++; p = p->left; }

        int rightDep = 0;
        p = root;
        while(p->right != NULL) { rightDep++; p = p->right; }

        if(leftDep == rightDep) return (1 << (leftDep + 1)) - 1;

        return countNodes(root->left) + countNodes(root->right) + 1;

    }
};
资源下载链接为: https://pan.quark.cn/s/140386800631 通用大模型文本分类实践的基本原理是,借助大模型自身较强的理解和推理能力,在使用时需在prompt中明确分类任务目标,并详细解释每个类目概念,尤其要突出类目间的差别。 结合in-context learning思想,有效的prompt应包含分类任务介绍及细节、类目概念解释、每个类目对应的例子和待分类文本。但实际应用中,类目和样本较多易导致prompt过长,影响大模型推理效果,因此可先通过向量检索缩小范围,再由大模型做最终决策。 具体方案为:离线时提前配置好每个类目的概念及对应样本;在线时先对给定query进行向量召回,再将召回结果交给大模型决策。 该方法不更新任何模型参数,直接使用开源模型参数。其架构参考GPT-RE并结合相关实践改写,加入上下文学习以提高准确度,还使用BGE作为向量模型,K-BERT提取文本关键词,拼接召回的相似例子作为上下文输入大模型。 代码实现上,大模型用Qwen2-7B-Instruct,Embedding采用bge-base-zh-v1.5,向量库选择milvus。分类主函数的作用是在向量库中召回相似案例,拼接prompt后输入大模型。 结果方面,使用ICL时accuracy达0.94,比bert文本分类的0.98低0.04,错误类别6个,处理时添加“家居”类别,影响不大;不使用ICL时accuracy为0.88,错误58项,可能与未修改prompt有关。 优点是无需训练即可有较好结果,例子优质、类目界限清晰时效果更佳,适合围绕通用大模型api打造工具;缺点是上限不高,仅针对一个分类任务部署大模型不划算,推理速度慢,icl的token使用多,用收费api会有额外开销。 后续可优化的点是利用key-bert提取的关键词,因为核心词语有时比语意更重要。 参考资料包括
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