Leetcode 面试题51. 数组中的逆序对(归并排序)

面试题51. 数组中的逆序对

题目介绍:

在数组中的两个数字,如果前面一个数字大于后面的数字,则这两个数字组成一个逆序对。输入一个数组,求出这个数组中的逆序对的总数。

示例 1:
输入: [7,5,6,4]
输出: 5

限制: 0 <= 数组长度 <= 50000

链接:https://leetcode-cn.com/problems/shu-zu-zhong-de-ni-xu-dui-lcof

题目介绍: 典型的不能再典型的归并排序实现,类似的逆序对的题目有如下:315(和本题一样),327,493, 做完这三道相信归并排序的理解会更加深入

预备知识

「归并排序」是分治思想的典型应用,它包含这样三个步骤:

分解: 待排序的区间为 [l, r],令 m ={l + r} / 2,我们把 [l, r]分成 [l, m] 和 [m + 1, r]
解决: 使用归并排序递归地排序两个子序列
合并: 把两个已经排好序的子序列 [l, m]和 [m + 1, r]合并起来
在待排序序列长度为 11 的时候,递归开始「回升」,因为我们默认长度为 11 的序列是排好序的。

class Solution {
public:
    int merge_sort(vector<int>&nums, vector<int>&t,  int l, int r){
        if(l >= r) return 0;
        int mid = (l + r) / 2;
        int res = merge_sort(nums, t, l, mid) + merge_sort(nums, t, mid+1, r);
        int i = l, j = mid+1, k=l;
        while(i <= mid && j <= r){
            if(nums[i] <= nums[j]){
                t[k++] = nums[i++];
            } else {
                res += mid - i + 1;
                t[k++] = nums[j++];
            }
        }
        while(i <= mid) t[k++] = nums[i++];
        while(j <= r) t[k++] = nums[j++];
        for(int i=l;i<=r;i++) nums[i] = t[i];
        return res;
    }

    int reversePairs(vector<int>& nums) {
        vector<int> t(nums.size(),0);
        return merge_sort(nums, t, 0, nums.size()-1);
    }
};
### 部署 Stable Diffusion 的准备工作 为了成功部署 Stable Diffusion,在本地环境中需完成几个关键准备事项。确保安装了 Python 和 Git 工具,因为这些对于获取源码和管理依赖项至关重要。 #### 安装必要的软件包和支持库 建议创建一个新的虚拟环境来隔离项目的依赖关系。这可以通过 Anaconda 或者 venv 实现: ```bash conda create -n sd python=3.9 conda activate sd ``` 或者使用 `venv`: ```bash python -m venv sd-env source sd-env/bin/activate # Unix or macOS sd-env\Scripts\activate # Windows ``` ### 下载预训练模型 Stable Diffusion 要求有预先训练好的模型权重文件以便能够正常工作。可以从官方资源或者其他可信赖的地方获得这些权重文件[^2]。 ### 获取并配置项目代码 接着要做的就是把最新的 Stable Diffusion WebUI 版本拉取下来。在命令行工具里执行如下指令可以实现这一点;这里假设目标路径为桌面下的特定位置[^3]: ```bash git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git ~/Desktop/stable-diffusion-webui cd ~/Desktop/stable-diffusion-webui ``` ### 设置 GPU 支持 (如果适用) 当打算利用 NVIDIA 显卡加速推理速度时,则需要确认 PyTorch 及 CUDA 是否已经正确设置好。下面这段简单的测试脚本可以帮助验证这一情况[^4]: ```python import torch print(f"Torch version: {torch.__version__}") if torch.cuda.is_available(): print("CUDA is available!") else: print("No CUDA detected.") ``` 一旦上述步骤都顺利完成之后,就可以按照具体文档中的指导进一步操作,比如调整参数、启动服务端口等等。整个过程中遇到任何疑问都可以查阅相关资料或社区支持寻求帮助。
评论 1
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