写算法累人亚，体力+脑力活

最新推荐文章于 2024-05-19 16:54:11 发布
最新推荐文章于 2024-05-19 16:54:11 发布
阅读量104 收藏
点赞数
本文记录了作者在尝试独立开发国标麻将算法的过程中的经历和思考，从初期的摸索到最终的自动化测试建立，分享了挑战与解决方法。

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

这段时间，想写个国标麻将算法，网上找了一圈，没找到。于是自己写，写得头昏脑胀，这几天调测更是累人，争取自己调完一遍后同时把自动化测试也建立起来了。
iteye_3941
关注
计算机视觉目标检测算法对比：R-CNN、YOLO与SSD全面解析
优快云博客专家，系统架构师，有合作、疑惑请私信博主。
04-21 11万+
计算机视觉目标检测算法对比：R-CNN、YOLO与SSD全面解析，人工智能、AI、计算机视觉领域中，目标检测是一项至关重要的任务，其旨在识别图像或视频中感兴趣的目标物体，并确定它们的位置。从安防监控中的人员检测，到自动驾驶中的行人、车辆识别，目标检测技术都有着广泛的应用。在众多目标检测算法中，R-CNN、YOLO 和 SSD 具有代表性，它们各自有着独特的设计理念和技术路线，在不同场景下展现出不同的性能表现。本文将深入剖析这三种算法，通过原理阐述、性能对比以及代码示例，帮助读者全面理解它们的特点与差异。
❤️粉丝专属福利❤️
热门推荐
英雄哪里出来
12-28 33万+
粉丝专属福利
写代码很累，写算法代码更累，神码机器学习，机器视觉，深度学习之流，怎么办
northeastsqure的专栏
06-13 1073
万物是一体的，手摸摸头、脚，是不会累的。 让代码，相应知识，模型，数学，与自己合一， 办法是，古代读书人叫做“书不离手”，练武的叫做“拳不离手” 写代码，搞思考的也是，神码，代码，模型，不离身。当写代码累的时候，坐车时候，就看点对自己比较简单的，比如初级的 opencv, tensorflow,机器学习什么的，手机上看些初级的代码例子，尤其是自己研究过的代码，就是眼睛扫着玩，这个时候感觉...
个人写算法题的一些心得
weixin_39445437的博客
11-07 925
概要 本篇博文记录的是本人自己在刷算法题的一些心得。首先个人感觉拿到一道算法题的时候不要着急地想要通过暴力解法去解决，一般情况下，暴力解法虽然也有可能得到算法题的正确答案，但通常这种方式的解法都比较耗费运行内存与时间。 解题思路 拿到一道算法题，首先要把这个算法的问题归类，比如：排序问题，图的最短路径，最小生成树等等，当然，这是建立在你本身数据结构与算法的基础扎实的基础上。不得不说把算法的核心问题...
算法六年，越做越无聊。。。
zero的博客
05-19 1396
大家好，我是阿潘刷到下面一条动态，一位工作 6 年的算法工程师，表示工作越做越无聊，想做一些确定性强的事情，希望转岗到做开发。 打工人吐槽下面是原文和一些回帖：首先，这位老铁想做开发的原因是因为做 算法工作的不确定性（确实啊，算法的效果是让人焦虑的主要来源。。。），也就是说算法的工作很多时候都包含了大量的不确定性，这让我想起知乎上一个热议的话题：下面是一个知乎高赞的回答：我也是一个干了五年的计算机...
开发岗累，还是算法岗累？
算法channel
10-09 2850
点击上方蓝字，关注并星标，和我一起学技术。最近由于校招如火如荼，一些小伙伴在后台以及知乎上问我，在开发和算法之间犹豫，不知道如何抉择，想要问问究竟哪一个岗位更好？恰好我之前在知乎上回答过...
算法、技术及其它
weixin_30892763的博客
08-08 2153
在和刘同学长谈之后，我再次对前一段时间的想法进行了反思，结合聊天中的新感受，整理在这里。 （注：标题里的算法，指机器学习算法，或者说“算法工程师”这个职位名称里的“算法”，不是“算法与数据结构”里的那个算法。谁能告诉我有没有什么更好的名字来区别这它们，或许是“机器学习算法”与“传统算法”？） 算法与算法工程师 先来一段我在知乎里回答“做算法工程师是一种怎样的体验？”的答案（其中的思想并非原创...
完成一个预测建模项目一般需要多长时间？
qq_38473097的博客
07-14 1583
为了回答这个问题，我们先来了解一下建模的流程，通常一个完整的数据挖掘项目包含以下流程（1）业务理解、（2）数据理解、（3）数据准备、（4）数据预处理和建模、（5）模型评估、（6）模型部署应用。这个流程的操作性很强，也是业界公认标准。 业务理解的主要工作有需求调研，了解商务背景；明确业务目标和成功的标准。数据理解和业务理解一般是同时进行的，主要内容包括确定建模所需要的数据，描述数据，探索数据，检验数据质量，明确数据挖掘目标和成功标准。这两个阶段的主要任务就是明确挖掘目标和建模数据，目标和数据都明确以后就
怎样规划你毕业以后的人生
晴天的专栏
08-14 2万+
怎样规划你的毕业后的人生 我今年39岁了，25岁研究生毕业，工作14年，回头看看，应该说走了不少的弯路，有一些经验和教训。现在开一个小公司，赚的钱刚够养家糊口的。看看这些刚毕业的学生，对前景也很迷茫，想抛砖引玉，谈谈自己的看法，局限于理工科的学生，我对文科的不懂，身边的朋友也没有这一类型的。 91年研究生毕业，那时出路就是1种：留在北京的国营单位，搞一个北京户口，这是最好的选择。到后来的2～3
机器学习——K-近邻算法（算法原理+分析+实验结果）
weixin_46120403的博客
09-28 1万+
机器学习——K-近邻算法 （一）K-近邻算法概述 （一）K-近邻算法概述 K-近邻法(K-nearest neighbor, K-NN)是1967年由Cover T和Hart P提出的一种基本分类与回归方法。它的工作原理是：存在一个样本数据集合，也称作为训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后，将新的数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本最相似数据(最近邻)的分类标签。一般...
基于Matlab的SSIM算法实现（源码+注释，直接运行）
10-16
基于Matlab的SSIM算法实现（源码+注释，直接运行），其中包括输入3维图像运行出错的修改，还有源码中部分参数，格式不正确的修改，直接运行出结果。PS:网上一些源码说可以直接运行，实则Copy，并没有修改，深受其害...
C++写算法|A+B问题
Laic Zhang的博客
06-30 9087
问题描述 输⼊入A、B，输出A+B。 说明：在“问题描述”这部分，会给出试题的意思，以及所要求的目标。 输入格式 输入的第⼀行包括两个整数，由空格分隔，分别表示A、B。 说明：“输入格式”是描述在测试你的程序时，所给的输入一定满足的格式。 做题时你应该假设所给的输入是一定满足输入格式的要求的，所以你不需要对输入的格式进行检查。 多余的格式检查可能会适得其反，使用你的程序错误。 在测试的时候，系统会...
通俗易懂--SVM算法讲解(算法+案例)
mantch
12-17 2889
标题1.SVM讲解1.1支持向量机(SVM)的由来1.2如何找到超平面函数间隔几何间隔1.3最大间隔分类器1.4后续问题1.5新闻分类实例 寻觅互联网，少有机器学习通俗易懂之算法讲解、案例等，项目立于这一问题之上，整理一份基本算法讲解+案例于文档，供大家学习之。通俗易懂之文章亦不可以面概全，但凡有不正确或争议之处，望告知，自当不吝赐教！ GitHub地址(代码加数据) 1.SVM讲解 SVM是一个...
各抒己见 | 哪儿个更累？开发岗还是算法岗？
idol24的博客
02-12 1476
本文来自知乎问答，仅作交流，如侵即删知乎刷到很多次的一个问题。https://www.zhihu.com/question/3535348221作者：吴海波https://www.zhi...
ERP系统客户与供应商信息视图创建：Oracle数据库中客户和供应商数据整合查询设计
最新发布
07-24
内容概要：本文档定义了一个名为 `xxx_SCustSuplier_info` 的视图，用于整合和展示客户（Customer）和供应商（Supplier）的相关信息。视图通过连接多个表来获取组织单位、客户账户、站点使用、位置、财务代码组合等数据。对于客户部分，视图选择了与账单相关的记录，并提取了账单客户ID、账单站点ID、客户名称、账户名称、站点代码、状态、付款条款等信息；对于供应商部分，视图选择了有效的供应商及其站点信息，包括供应商ID、供应商名称、供应商编号、状态、付款条款、财务代码组合等。视图还通过外连接确保即使某些字段为空也能显示相关信息。 适合人群：熟悉Oracle ERP系统，尤其是应付账款（AP）和应收账款（AR）模块的数据库管理员或开发人员；需要查询和管理客户及供应商信息的业务分析师。 使用场景及目标：① 数据库管理员可以通过此视图快速查询客户和供应商的基本信息，包括账单信息、财务代码组合等；② 开发人员可以利用此视图进行报表开发或数据迁移；③ 业务分析师可以使用此视图进行数据分析，如信用评估、付款周期分析等。 阅读建议：由于该视图涉及多个表的复杂连接，建议读者先熟悉各个表的结构和关系，特别是 `hz_parties`、`hz_cust_accounts`、`ap_suppliers` 等核心表。此外，注意视图中使用的外连接（如 `gl_code_combinations_kfv` 表的连接），这可能会影响查询结果的完整性。
旋转坐标系下基于超稳定性的模型参考自适应控制与角度估算 - 超稳定性
07-24
内容概要：本文探讨了在旋转坐标系中利用模型参考自适应控制（MRAC）进行角度估算的方法。首先介绍了旋转坐标系下的模型及其面临的挑战，随后阐述了MRAC的基本概念和核心思想，即通过已知参考模型调整控制系统以应对未知变化。接着重点讲解了超稳定性设计，确保系统在外扰下迅速恢复稳定。然后深入讨论了自适应率的设计与实现，这是实现精确角度估算的关键环节。最后，文章通过代码与算法分析展示了具体实现细节，并展望了该方法在未来机器人技术和航空航天领域的广泛应用前景。 适合人群：从事自动化控制、机器人技术、航空航天等领域研究的专业人士和技术爱好者。 使用场景及目标：适用于需要在复杂动态环境下实现高精度角度测量和控制的项目，旨在提高系统的稳定性和响应速度。 其他说明：文中涉及大量数学运算和逻辑判断，建议读者具备一定的控制理论基础和编程经验，以便更好地理解和实践相关技术。
评论
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