都2012了你还瞎晃悠啥呢

最新推荐文章于 2025-07-18 03:43:02 发布
原创 最新推荐文章于 2025-07-18 03:43:02 发布 · 234 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章回顾了作者在2012年的生活经历，表达了对青春流逝的感慨，鼓励年轻人珍惜时间，积极面对生活。文中提到了过年、家庭聚会、美食等元素，以及对过去一年中遇到的好消息与坏消息的感受。
都2012了你还瞎晃悠啥呢
7小时前
　　 在空间日志里销声匿迹的有点久了，突然有点怀念了，或者说被遗忘了很久比较贴切
　　大家都有各自的生活了，谁也没空搭理谁，即使有再便捷的联系方式那又怎么样，这一年，是很自由，自由的有点过头了。听到很多的好消息与坏消息，谁也帮上不上谁，可是心境却在一点一点发生变化，以为还是和以前一样，其实大不一样，青春在慢慢的苍老呐，孩子们别浪费时间了，好好的趁年轻收获些什么吧，至少要学会分清谁真心对你好。其实有很多期许，可是总是装作没事一样，甚至反其道而行，连我自己都搞不清楚为什么会这样，这么执拗的生活，累不累啊...哎...道理大家都懂，做起来却很难
　　原本以为过年要在这里过了，觉得还挺凄凉的，没想到老天给了个撒泼rise，居然还能休息一个礼拜，过几天就能回家，想想真是兴奋，我实在是个很喜欢过年的人，能见到家人，见到好朋友的感觉还是挺美的，最重要的是能吃好多大餐...咂巴咂巴
　　希望2011年经历了些不愉快的事情的朋友会好起来，不管怎样，生活都要继续，反正都是过，为何不开心点过呢，2012年，要加油了，还瞎晃悠啥呢，还搞不清楚状况呢，得做出点成绩才好，老天爷，给力点，至少让大家伙儿见识下世界末日长啥样
iteye_17360
关注
动作识别全景指南：从零到一，选择最适合你的开源模型
u013558123的博客
11-25 180
我们正处在一个视频内容爆炸的时代。从短视频平台的兴起，到智能安防的普及，再到自动驾驶的演进，计算机不再满足于理解静态的图片，它们正以前所未有的速度学习“看懂”动态的视频。这其中，最核心、最激动人心的技术之一，就是动作识别。动作识别，顾名思义，就是让计算机算法理解视频序列中“人”或“物”在做什么。是“跑步”还是“走路”？是“投篮”还是“投篮不中”？是“教练在示范深蹲”还是“随便一个人在晃悠”？这个问题的答案，背后是巨大的商业价值和技术挑战。
Java全栈开发性能优化全攻略：从数据库到前端
AI天才研究院
06-12 1083
在Java全栈开发中，“能用”和“好用”之间的差距往往由性能决定。用户可能因页面加载3秒而流失，服务器可能因QPS（每秒请求数）不足而崩溃，数据库可能因慢查询拖垮整个系统。本文覆盖从数据库（MySQL/Oracle）到后端（Spring Boot）再到前端（Vue/React）的全链路优化，帮你解决90%以上的常见性能问题。核心概念（用生活案例解释技术术语）优化策略（原理+代码示例）实战案例（从问题复现到优化落地）避坑指南（常见错误及解决方案）
《那些年啊，那些事——一个程序员的奋斗史》九
undoner
10-07 1万+
81     对于新的4.3＇CMMB板子来说，设计上并不是很难。毕竟之前有做过Telechips的板 子，现在只要在之前的基础上删删减减，然后加上CMMB模块即可。这次的设计是以简单 为主，只要求有GPS和CMMB即可，其它无关的模块一概不加。        武总还是老样子，一开始同意了，可没多久又像墙头草，又想将一些功能给添上去 。这回段伏枥和和曹燕就没打算妥协，因为大家都知道，
转：开火,移动-大神Joel 也浮躁
weixin_33712987的博客
12-10 114
http://www.ituring.com.cn/article/18728 2002 年 一月六日 星期日 有时候我就是不能静下心来干活。 没错，我进了办公室，但我只是到处瞎晃悠，每隔十秒就检查一下email，看网页，甚至干点不走脑子的活，比如支付美国快递的账单。但我就是不能专心写代码。 面对这种毫无成果可言的状态，我的斗争一般会持续一到两天。但在我做开发的职业生涯里，有那么几次我...
年薪二十万
weixin_30838921的博客
09-28 319
原文转自：http://kksk.org/tieku/r_23300_1.html 第一，我不是炫耀，一年二十万说多不多说少不少，全看你所在的圈子。我现在的同事朋友基本上也都是这个收入，所以对他们来说这个数目没什么。我国庆回去，跟以前的一些初中高中朋友聚会，他们基本收入也就是一年6万左右，所以对他们来说我这个数目就很难想象。无论你在哪个圈子，看这个帖子都希望以平常心看待，不要觉得楼主是在炫富或...
新年计划(参考)
weixin_34115824的博客
03-11 2173
新年计划 还是给自己一个计划。 新年规划，还是按照我的观念，先生活后工作： 1.首要大事应该是要搞定每次打电话回家父母都要关心的事情了。但愿吧，自己不急，感觉时间大把，但是父母以他们的观念来看，已经等不及了。 2.从今年开始，每年孝敬父母一个月的工资，算是每年为父母工作一个月吧。 3.职业发展上能够再上一层楼。至于是什么就不说了，心里有数。 4.开始学会理...
腾讯
weixin_34387468的博客
01-25 7979
腾讯求职干货目录1.公司介绍 腾讯简介 2.校招介绍 2.1腾讯2014校园招聘介绍 2.2腾讯校园招聘流程 2.3腾讯校园宣讲会现场直击 3.HR答疑 3.1腾讯校园招聘FAQ 4.薪酬待遇 4.1腾讯薪酬待遇 5.笔试经验 5.1腾讯笔经 5.2腾讯笔经 5.3腾讯用户研究/交互设计笔试题目回忆版 5.4腾讯游戏策划笔试 5.5腾讯产品笔经 5.6腾讯业务类笔经 6.面...
《那些年啊，那些事——一个程序员的奋斗史》四
weixin_30852419的博客
10-07 516
31 “我们再重新找房吧？”伍定轩对段伏枥说道。 “为什么？”段伏枥突然觉得奇怪，为何伍定轩会突然提出这个问题。 “你看我的仙人掌。”伍定轩指了指摆在电脑旁边的一盆仙人掌。当初伍定轩决定买这小盆仙人掌的时候，也是从网上听人说，它可以防辐射。 伍定轩继续说着：“你看，能够在恶劣的环境中生存的仙人掌，居然在我们...
2014校园招聘_腾讯2014校园招聘
热门推荐
小硒---代码无疆
01-01 1万+
目录： 1、腾讯201 4 校园招聘简介 2、讯招聘常见问题解答 3、腾讯职业发展&薪酬待遇 4、腾讯校园招聘笔试经验 4.1 腾讯用户研究/ 交互设计笔试题目回忆版（杭州）-2012.10.17  4.2 腾讯广州场笔经-2012.10.8    4.3 腾讯西安笔经-2012.9.25    4.4 腾讯2013软件开发笔试真题  4.5 腾讯产品笔经（广州）-2013.
《那些年啊，那些事——一个程序员的奋斗史》五
weixin_30542079的博客
10-07 292
41 将播放的核心封装为CMedia后，剩下的事情便是逻辑层了。对于写过UI程序，并且之前还做了点小程序的段伏枥来说，这并不是什么很难的事情。唯一的难点在于，播放的时候该如何显示滚动条以及时间。其实CMedia封装了获取当前时间的接口，当然也有获取整个长度的，根据两者的比例可以算出来滑动块的位置。至于时间的显示，只要转换一下，也根本不在话下。只是如何应该在哪里获取呢？主线程肯定是不...
[每天进步一点 -- 流水账]第2周
weixin_30784945的博客
12-24 96
2012年12月24日23:23:13 周一 12:00 -- 中午才回来 14:00 -- 上课，数据库 16:00 -- 回寝室 18:00 -- 给妹子送了苹果，聊了会天。 21:00 -- 回寝室，给班上同学送平安夜礼物 21:30 -- 看了会数据库 主键 外键 23:30 --睡觉 总结：圣诞前的平安夜，无所事事，一晚上都精神不好。 201...
Python 中 Scikit - learn 的在线学习算法
AI天才研究院
07-18 408
电商平台的实时用户点击流（每秒上万条数据）物联网传感器的持续温度监测（每5秒一条数据）新闻网站的实时评论情感分析（24小时不断更新）传统的“批量学习”（Batch Learning）要求一次性加载所有数据训练模型，但面对上述场景时，要么内存不够（数据太大装不下），要么时间不够（等数据攒齐时业务已过时）。本文将聚焦Scikit-learn 中支持在线学习的算法，教您如何用“边吃边学”的方式解决这些问题。
分享撰写学术论文方式
ZJQ的博客
08-04 252
5.Abstract 格式 第一句:简明扼要地介绍研究背景 第二句:使用“然而”转折词引出目前研究中存在的问题 第三句:概述你的研究内容和方法 第四句:简洁地描述主要结果 第五句:强调研究的意义
也许你从没听说过阿卑多，但你一定知道他爷爷的爷爷的爷爷，那就是聪明绝顶的阿凡提先生。是的，阿卑多也是个聪明的小孩。 一天，阿卑多骑着他的小毛驴，在小镇上晃悠，小镇上的路都是双向的。正好遇上了小巴依——那个自以为是的小财主。小巴依正在炫耀他的金币：“你们见过这样的金币么？这可不是一般的金币，你看它们多大多重啊！最主要的是，它们每个上面都刻有我的名字和一个编号，是独一无二的！看看，从我出生开始，每2个月，爸爸便给我1个特做的大金币，并从1开始编号，现在我已经有60枚了，哈哈……” 小巴依见了阿卑多，于是便想考一考他：“阿卑多，听说你是最聪明的。给你任意三个顶点 A A， B B， C C，问你从顶点 A A 走到顶点 B B 并且经过顶点 C C的 最短路径的条数有多少？如果你能算出，那么就奖你一枚金币；如果不能，就给我做三年长工好了。” 阿卑多想了一想，自己完成没有多大的问题，现在他想来考考学习信息学奥赛的你，请你编程帮助他来顺利的完成。 【输入格式】 输入的第一行为两个正整数 m m 、 n n ， m m 表示顶点的个数， n n 表示边的条数 第二行为三个整数 A A ， B B 和 C C， A A 表示起点， B B 表示终点， C C 表示要问你经过那个顶点； 接下来有 n n 行分别表示两条相临的边的编号及距离； 【输出格式】 输出从顶点 A A 到顶点 B B ，经过 C C 这个顶点的最短路径的条数。 【样例输入1】 4 5 1 4 2 1 2 2 1 3 1 2 4 2 2 3 1 3 4 3 【样例输出1】 2 【样例1解释】 无 【数据范围及约定】 0 < m ≤ 1000 , n ≤ 499500 0<m≤1000,n≤499500 ,所有数据计算过程中都不会超过 i n t int ；
最新发布
11-26
✅ 因为每条 $ A \to C $ 的最短路径都可以与每条 $ C \to B $ 的最短路径连接成一条合法路径。 --- ## ⚠️ 注意事项 - 如果 $ A=C $ 或 $ C=B $，仍然成立。 - 如果 $ A \to C $ 不可达 或 $ C \to B $ 不可达...
基于GEC6818平台的五子棋人机对战系统设计与实现
11-25
五子棋作为一种广为人知的策略性棋盘游戏，其基本规则易于掌握。在选定人机对战模式后，由程序执黑先行，用户执白应对。双方依次在棋盘上落子，任何一方在横向、纵向或斜向形成连续五个或更多同色棋子即获胜。 项目资源涵盖多个技术领域的程序代码，涉及前后端开发、移动终端应用、操作系统、智能系统、物联网技术、信息管理系统、数据存储方案、硬件设计、大数据处理、教学资料、多媒体处理及网站构建等多个方向。具体技术实例包括嵌入式平台如STM32与ESP8266，编程语言如PHP、QT、C++、Java、Python、C#，系统开发如Linux与iOS，以及电子设计自动化工具和实时操作系统等。 主要技术栈包含服务端开发语言Java、Python及Node.js，后端框架Spring Boot与Django，前端技术React、Angular与Vue，界面设计框架Bootstrap与Material-UI，数据库系统MySQL、PostgreSQL和MongoDB，缓存工具Redis，以及容器化部署方案Docker与Kubernetes。 资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！
lv_0_20251125195629.mp4
11-25
lv_0_20251125195629.mp4
numpy、pandas、sklearn、pytorch等数据分析工具的一些使用技巧
11-25
NumPy数组操作实战技巧 numpy、pandas、sklearn、pytorch等数据分析工具的一些使用技巧
中国Cassandra数据库用户组开源社区项目-专注于Apache-Cassandra分布式NoSQL数据库技术研究与实践-提供技术文档下载与源码解析-集成Titan图数据库与Lu.zip
11-25
Buffer内存管理实战技巧中国Cassandra数据库用户组开源社区项目_专注于Apache_Cassandra分布式NoSQL数据库技术研究与实践_提供技术文档下载与源码解析_集成Titan图数据库与Lu.zip中国Cassandra数据库用户组开源社区项目_专注于Apache_Cassandra分布式NoSQL数据库技术研究与实践_提供技术文档下载与源码解析_集成Titan图数据库与Lu.zip
图像处理基于电磁学优化算法的多阈值分割算法研究（Matlab代码实现）
11-25
【图像处理】基于电磁学优化算法的多阈值分割算法研究（Matlab代码实现）内容概要：本文研究基于电磁学优化算法（Electromagnetism-like Optimization, EMO）的多阈值图像分割方法，并通过Matlab代码实现。该方法借鉴电磁学中电荷间相互作用的机制，将图像分割问题转化为优化问题，利用EMO算法搜索最优阈值组合，以最大化分割效果的评价指标（如Otsu法或多级别熵）。文中详细介绍了EMO算法的基本原理、实现步骤及其在图像多阈值分割中的具体应用流程，展示了该算法能够有效避免传统方法易陷入局部最优的问题，从而获得更精确的分割结果。; 适合人群：具备图像处理基础知识和Matlab编程能力的高校学生、科研人员及工程技术人员。; 使用场景及目标：①解决复杂背景下图像的多目标分割问题，提升医学影像、遥感图像等领域的分割精度；②学习智能优化算法（如EMO）在图像处理中的实际应用，为研究新型分割算法提供技术参考和实现范例。; 阅读建议：在学习过程中应结合Matlab代码，深入理解EMO算法的寻优机制与图像分割评价函数的构建方法，建议自行调试不同参数对分割效果的影响，以加深对算法性能的理解。
链接：https://ac.nowcoder.com/acm/contest/102333/1095 来源：牛客网 时间限制：C/C++/Rust/Pascal 2秒，其他语言4秒 空间限制：C/C++/Rust/Pascal 512 M，其他语言1024 M 64bit IO Format: %lld 题目描述 伊娜小姐没有应声，宽大的画板遮住了她娇小的身躯，但是越过画架，我看见她的两只小脚前后晃悠着，仿佛小鹿轻快地越过春日的小溪。 过了会儿，伊娜又探出头来。 “……你真的这么想吗，我很可爱什么的。” 她的脸颊微微泛红。 “千真万确，我发誓。” 在一个二维世界中，小 L 和小 R 发现他们的腿变异了，只能使用特定的几种速度向量移动。 具体的，如果选择使用了速度向量 ( 𝑥 , 𝑦 ) (x,y)，则在一秒过后，他会从 ( 𝑥 0 , 𝑦 0 ) (x 0 ​ ,y 0 ​ ) 位置移动到 ( 𝑥 0 + 𝑥 , 𝑦 0 + 𝑦 ) (x 0 ​ +x,y 0 ​ +y) 位置。 他们急着测试自己的移动能力，决定进行一场赛跑。但是由于小 L 和小 R 关系很好，不希望有竞争，所以他们要合作完成这一次赛跑。 现在，小 L 和小 R 都在二维世界中的 ( 0 , 0 ) (0,0) 位置，而他们所希望的是在一秒后他们之间距离的曼哈顿距离最大，请你计算最大的距离。 平面上两个点 ( 𝑥 1 , 𝑦 1 ) (x 1 ​ ,y 1 ​ ) 与 ( 𝑥 2 , 𝑦 2 ) (x 2 ​ ,y 2 ​ ) 的曼哈顿距离为 ∣ 𝑥 1 − 𝑥 2 ∣ + ∣ 𝑦 1 − 𝑦 2 ∣ ∣x 1 ​ −x 2 ​ ∣+∣y 1 ​ −y 2 ​ ∣。 输入描述: 第一行两个整数 𝑛 , 𝑚 n,m，分别表示小 L 可用的速度向量的种数以及小 R 可用的速度向量的种数。 接下来 𝑛 n 行，每行两个整数 𝑎 𝑖 , 𝑏 𝑖 a i ​ ,b i ​ 表示小 L 可用的第 𝑖 i 种速度向量。 接下来 𝑚 m 行，每行两个整数 𝑐 𝑖 , 𝑑 𝑖 c i ​ ,d i ​ 表示小 R 可用的第 𝑖 i 种速度向量。 数据保证： 1 ≤ 𝑛 , 𝑚 ≤ 1 0 5 1≤n,m≤10 5 ， ∣ 𝑎 𝑖 ∣ , ∣ 𝑏 𝑖 ∣ , ∣ 𝑐 𝑖 ∣ , ∣ 𝑑 𝑖 ∣ ≤ 1 0 9 ∣a i ​ ∣,∣b i ​ ∣,∣c i ​ ∣,∣d i ​ ∣≤10 9 。 输出描述: 一行一个整数，表示答案。 示例1 输入 复制 2 2 1 3 -3 2 2 1 4 2 输出 复制 7 说明 小 L 选择速度向量 ( − 3 , 2 ) (−3,2)，小 R 选择速度向量 ( 4 , 2 ) (4,2)，一秒后两人的位置分别为 ( − 3 , 2 ) (−3,2) 与 ( 4 , 2 ) (4,2)，此时的曼哈顿距离为 7 7。 容易发现不存在更大的曼哈顿距离。环境为python3，ACM模式
07-12
我们来解决这个问题： --- ## 📌 题意简述 小 L 和小 R 从原点 `(0, 0)` 出发，分别选择一个速度向量 `(a_i, b_i)` 和 `(c_j, d_j)`，一秒后他们分别移动到： - 小 L：`(a_i, b_i)` - 小 R：`(c_j, d_j)` 我们要最大化他们的**曼哈顿距离**： $$ |x_1 - x_2| + |y_1 - y_2| = |a_i - c_j| + |b_i - b_j| $$ 也就是求： $$ \max_{i,j} \left( |a_i - c_j| + |b_i - d_j| \right) $$ --- ## ✅ 解题思路 ### 🧠 曼哈顿距离的性质 我们可以利用曼哈顿距离的一个重要性质： $$ |x_1 - x_2| + |y_1 - y_2| = \max_{s_x, s_y \in \{-1, 1\}} (s_x \cdot x_1 + s_y \cdot y_1) - (s_x \cdot x_2 + s_y \cdot y_2) $$ 也就是说，曼哈顿距离可以转化为以下形式的最大值： $$ \max(|x1 - x2| + |y1 - y2|) = \max_{s_x, s_y \in \{-1, 1\}} \left[ \max_v (s_x \cdot x + s_y \cdot y) - \min_u (s_x \cdot x + s_y \cdot y) \right] $$ 我们可以对每个方向组合 `(s_x, s_y)` 计算： - 小 L 所有向量在该方向上的最大值和最小值 - 小 R 所有向量在该方向上的最大值和最小值 - 然后计算差值的最大值 最终取所有方向下的最大值即可。 --- ## ✅ Python 实现（ACM 模式） ```python import sys def main(): import sys input = sys.stdin.read data = list(map(int, input().split())) idx = 0 n = data[idx] m = data[idx + 1] idx += 2 l_vectors = [] for _ in range(n): a, b = data[idx], data[idx + 1] l_vectors.append((a, b)) idx += 2 r_vectors = [] for _ in range(m): c, d = data[idx], data[idx + 1] r_vectors.append((c, d)) idx += 2 # 四种符号组合 signs = [(1, 1), (1, -1), (-1, 1), (-1, -1)] max_dist = 0 for sx, sy in signs: # 小 L 的最大和最小投影 l_vals = [sx * x + sy * y for x, y in l_vectors] l_max = max(l_vals) l_min = min(l_vals) # 小 R 的最大和最小投影 r_vals = [sx * x + sy * y for x, y in r_vectors] r_max = max(r_vals) r_min = min(r_vals) # 取差值最大情况 candidate = max(abs(l_max - r_min), abs(l_min - r_max)) max_dist = max(max_dist, candidate) print(max_dist) if __name__ == "__main__": main() ``` --- ## 🔍 示例说明 输入： ``` 2 2 1 3 -3 2 2 1 4 2 ``` 小 L 可选向量为：(1,3), (-3,2) 小 R 可选向量为：(2,1), (4,2) 枚举所有组合，最优解是： - 小 L 选 (-3, 2) - 小 R 选 (4, 2) - 曼哈顿距离 = |-3 - 4| + |2 - 2| = 7 输出： ``` 7 ``` --- ## ❗注意事项 - 不要暴力枚举所有组合（复杂度 $ O(nm) $ 会超时） - 利用曼哈顿距离的数学性质优化到 $ O(n + m) $ - 注意处理负数和大整数 --- ##
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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