好久没来这了！

最新推荐文章于 2025-07-22 21:39:41 发布

ruoxi2001

最新推荐文章于 2025-07-22 21:39:41 发布

阅读量789

点赞数

CC 4.0 BY-SA版权

分类专栏：个人心情文章标签：任务

本文链接：https://blog.youkuaiyun.com/ruoxi2001/article/details/1432001

个人心情专栏收录该内容

19 篇文章

订阅专栏

自从9月份学校开学

我们也跟着忙起来后

就没来过这里了

9月份

说忙不忙

说不忙又忙

现在想起来

都不知道，自己当时做什么了

好象是忙着进行培训

忙着对学校进行6月份的颁奖

不经然

10月就这样来了

少了一个国庆

时间显得紧凑了很多

所以，那个月很忙

几乎每天都在加班

就为了那40000

到了最后那一刻

我们还差几百不达标

所以，最后，做假

但没想到

换来的却是这样一句话

“同事们，辛苦了！

很遗憾，到最后我们还是没能达标。

我们是不是因为思考一下原因呢？”

哈哈

完成不了，不是我们所愿的

只是

我们天天在加班

每时每刻都在努力

你就不能说些鼓励的话呢

最后

我这一个月最辛苦

奖金却还是那么少

匆匆的

又到了11月了

经理不舒服

所以请假了10天

也没了人在每天准时8点开会

所以

大家都过得浑浑噩噩的

所以

目标基本都达不到

不是不努力

是因为

大学校，早在10月份搞完了

剩下的小学校

作用不大

12月份就这么又来了

将近年底

各项任务也相应的加重了

压力也大了

唉——

努力——

加油！！！——————

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

ruoxi2001

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

【图像超分】论文复现：万字长文！Pytorch实现VDSR！血与泪的数据处理与训练过程总结！深度学习中的各种踩坑记录！适合各种深度学习新手！帮助你少走弯路！附PSNR最优的VDSR模型权重文件！

03-18

1万+

【图像超分】论文精读：Accurate Image Super-Resolution Using Very Deep Convolutional Networks (VDSR)请配合上述论文精读文章使用，效果更佳！本文综合现有的VDSR相关代码，用pytorch实现极简风格的VDSR，复现论文。

学会这10个设计原则，离架构师又进了一步！！！

公众号：微观技术

06-13

2656

知识分享，以技会友。大家好，我是Tom哥。阅读本文大约需要 15 分钟。闲言碎语：一个懂设计原则的程序猿，写出来的代码可扩展性就是强，后续的人看代码如沐春风。相反，如果代码写的跟流水账似的，完全一根筋平铺下来，后续无论换谁接手维护都要骂娘。做软件开发多年，CRUD仿佛已经形成一种惯性，深入骨髓，按照常规的结构拆分：表现层、业务逻辑层、数据持久层，一个功能只需要个把小时代码就撸完了。再结合CTRL+C和CTRL+V绝世秘籍，一个个功能点便如同雨后春笋般被快速克隆实现。 ...

参与评论您还未登录，请先登录后发表或查看评论

900万！！！！！！！！这也太强了吧！！！我的老天！！！！！！！！！！

沉默王二

07-04

2万+

大家好，我是二哥呀！之前在送书的时候做了一个小调查，问题是：“你是怎么认识二哥的？” 我以为从知乎上了解的多一些，没想到，优快云上的最多，看来二哥还是在优快云上更有影响力一些，这个结果多少让我感到有些意外，因为我最近在知乎上更新得更勤快一些。写这篇文章的时候，我去优快云上看了一眼我的主页。访问量突破了 900 万！按照目前的增长速度来看，年底突破 1000 万访问量应该没啥大问题。另外还有一些数据我觉得也挺牛逼的：原创文章数量 957 篇；作者总榜第 12 名；作者周榜第

时间紧张答辩PPT却还没做？这3个工具来帮你，速速收藏！！！

chataigc的博客

04-30

593

完蛋了！我的拖延症没救了，我的答辩PPT可咋办啊！马上就要用了，下次再也不拖延了......"作为同样有着严重拖延症的我非常可以理解大家！每次总是想着还没有到DDL，可以等一会儿在做，没想到，一拖就拖到最后了，最后真想问一句，时间都去哪儿了！大家都先把心放一放，先别慌，就算是明天要答辩了，再做PPT也来得及，为啥我这样说呢？因为小编早早就料到会有这种情况，我已经提前准备好解决方法了——使用AI工具制作PPT。使用它们，就能快速制作PPT！

C语言学生管理系统（期末作业，超详细哟，拿走不谢！！！）

最新发布

weixin_47868976的博客

07-22

691

以文件传输，分析io工作方式以及如何优化传输文件的性能。

延迟审核2个月了，还是没审核？用这个办法！3周成功上架AppStore！攻略！

dongxuQAQ的博客

03-24

1797

最近两个月被苹果审核搞得焦头烂额，每天早上醒来第一件事就是查看邮箱，看看收没收到苹果发来的邮件。这次上线真可谓坎坷！对苹果的审核人员真是无语了，再此对这次上架做一个记录；开局一张图！所有努力全泡汤！从第一次被拒到成功上架经历了差不多两个月看到后一脸懵逼，这是啥意思，我什么都没做呀，正常提交怎么就需要更长时间审核也不说具体多长时间；我就自省：可能是我的两个测试账号登录所展示的首页不同（想要隐藏功能）但是这个也不能被拒需要更长时间审核啊。然后我就录制APP操作视频，并提供了两个测试账号邮件回复了一下第二

csp 20220612 寻宝！大冒险！

nahnah_的博客

06-14

2621

csp 6-12 寻宝！大冒险！

一定要知道 | 永久免费的生信交流群又双叒叕来啦！| 希望这是最最最最后一次改动！

weixin_43843918的博客

04-10

1373

希望咱们是！真正的！环境友好型学习交流群！

如果你觉得学习 Git 很枯燥，那是因为你还没玩过这款游戏！

GitHubDaily

04-22

2788

公众号关注“GitHubDaily”设为 “星标”，每天带你逛 GitHub！大家好，我是小 G。上周四的时候，我们在公众号分享了一篇文章：《听说玩这些游戏能提升编程能力？》，里面提到...

快跑！数据他又来唬人了！

SeizeeveryDay的博客

02-27

4442

↑关注 + 置顶 ~ 别错过小z的有趣内容“世界上有三种谎言：第一种，谎言；第二种，该死的谎言；第三种，统计数据”当年马大爷（马克吐温）肯定没少受统计数据的糊弄，让他一气之下把...

SpringBoot自动装配原理，这一篇就够了！

CC_且听风吟丶的博客

05-08

8万+

有关SpringBoot自动装配原理，你需要知道的一切。

calibrateHandeye()ROS2机器人手眼标定原理与源代码完整的python源代码！！！！！！！！！！！！！！！！！！！全部开源讲解步骤详细！！！！！

weixin_47640199的博客

06-29

1136

calibrateHandeye()ROS2机器人手眼标定原理与源代码完整的python源代码！！！！！！！！！！！！！！！！！！！全部开源讲解步骤详细！！！！！

祈祷！

风里烟云，风烟小筑

07-29

3140

我祈祷那没有痛苦的爱却难止住泪流多少我祈祷忘记已离去的你却又唱起你教的歌谣我没的怨你我心里知道我知道我祈祷留下孤独的我走向天涯走向海角我祈祷带上无言的爱从此失去心里的微笑我与影同行我心里知道我知道我知道天涯路漫漫我还要去海角遥遥我知道失去的是什么我又启程却不是寻找我心里明了我心里知道我知道我象那一只火鸟无声地燃烧我要唱那那一首歌谣伴我天涯海角-------------------------

讨厌过节！

风里烟云，风烟小筑

07-31

2784

一直以来都不喜欢过节无论是中式的还是西式的因为，总是在大家一起热闹的时候更感觉到自己的寂寞，与孤单而且，也或许是因为每当过节时总有某些人非常重视大张旗鼓我不喜欢过节所以，对于过节并不重视，也不在意今天，一个朋友致电给我祝福我情人节快乐而我，却回答了一句这样的话“噢。我忘记了。”结果，那个朋友就生气了

没心情！

风里烟云，风烟小筑

09-12

2267

上班非常的没心情好想，像一个朋友所说的“无忧无虑的过日子”回想小时候无忧无虑，放着纸船放着纸鹞多开心只是那样的日子早没了现在非常的想辞职不干但是我又害怕了找工作而且，真要我放弃什么我又不想朋友说我现在这工资在这里算高的只是我真能够因为工资高而继续在这上班吗我真的做得不开心非常的不开心但是

不哭！

风里烟云，风烟小筑

08-29

1769

最近心情很是郁闷因为，工作明天一个组员就要去清远了说是只是去支援一个月但实际并不确定所以以后130多所学校就只由我跟另外一个组员2个人负责了虽然一直说要招人但是总是招不到人一想着以后就是这样子的了什么心情都没了2个人能负责多少工作呢所以我现在完全没心情什么计划都不想得过且过吧有时真的很想哭

逃避！

风里烟云，风烟小筑

07-31

1502

昨天打电话回家是m接的电话随便的聊了几句就匆匆的挂了电话我在干着什么呢？是在害怕妈妈告诉我真相还是在，逃避着自己的责任现在不知道b跟那个女人到底怎么了也不敢去询问m只能，在心里自己安慰自己没事的，什么都没有发生的逃避，并不能解决问题逃避，不否认是懦弱的表现但是，它却可以在我无路可走的困境中留出一片空间，一片

计算n*n！的值，n从1到10000

03-26

<think>嗯，用户让我计算n乘以n的阶乘，也就是n*n!，n从1到10000的值。首先，我需要确认这个问题的具体要求是什么。是说每个n从1到10000都计算一次，然后得到对应的结果吗？还是需要将这些结果累加起来？可能用户的问题描述可能有歧义，不过根据常见的数学问题，可能是指单独计算每个n对应的n*n!的值，而不是求和。不过为了确认，可能需要进一步询问用户，但假设用户只需要每个n的独立计算结果。接下来，我需要考虑阶乘的增长速度非常快，n!随着n的增大呈指数级增长，而n*n!实际上等于(n+1)! - n!。例如，当n=1时，1*1!=1，而2!-1!=2-1=1，结果一致。同样，n=2时，2*2!=4，而3!-2!=6-2=4，确实相等。所以这个等式是否成立呢？让我验证一下。假设对于一般的n，是否有n*n! = (n+1)! - n!？展开右边，(n+1)! = (n+1)*n!，所以右边是(n+1)*n! - n! = n!*(n+1 -1) = n!*n =左边。所以这个等式成立。这样，计算n*n!其实可以转化为计算(n+1)! - n!，但这样是否有帮助呢？可能对于累加的情况有帮助，比如如果用户需要求和的话，可以简化计算。但如果只是单独计算每个n的值，可能直接计算更直接。不过，当n很大时，比如到10000，计算n!的值会非常大，远远超过普通的数据类型能处理的范围。例如，在编程中，普通的整数类型如int或long long在计算到20!左右就会溢出。所以对于n=10000这样的数值，必须使用高精度计算库或者处理大数的数据结构，比如Python中的int类型可以处理任意大的整数，所以用Python会比较方便。所以可能的解决方法是使用循环，从1到10000，计算每个n的n*n!的值。但直接计算的话，阶乘会很快变得很大，计算效率可能会成为问题，特别是当n接近10000的时候，每次都要重新计算阶乘，或者需要保存之前的阶乘结果来优化。例如，可以维护一个变量保存当前n的阶乘值，然后在每次迭代中，计算当前n的阶乘为前一个阶乘乘以n，然后乘以n得到结果。例如，当n=1时，fact=1，结果为1*1=1；n=2时，fact=1*2=2，结果2*2=4；n=3时，fact=2*3=6，结果3*6=18，依此类推。这样，每次只需要更新阶乘的值，然后乘以n即可，时间复杂度是O(n)，对于n=10000来说，应该是可以接受的。不过，当n很大时，比如10000，计算阶乘需要处理非常大的数，虽然Python可以处理，但可能会占用较多的内存和时间。比如，10000!是一个巨大的数，有大约35660位数字。计算这样的数需要一定的时间和存储空间，但现代计算机应该还是可以处理的，尤其是Python的内部优化。所以具体步骤可能是： 1. 初始化阶乘变量fact为1（因为0!是1，但n从1开始，所以当n=1时，fact=1） 2. 对于每个n从1到10000： a. 计算当前的n*n!，即n * fact b. 输出或者存储这个值 c. 更新fact为fact * (n+1)，因为下一个n的阶乘是当前fact乘以(n+1)，对吗？或者不是，因为下一个n是n+1，所以下一个阶乘是fact * (n+1)。例如，当n=1时，fact=1，处理后，下一个阶乘应该是1*2=2，即n=2时的fact=2。是的，这样在循环中，每次迭代处理完n之后，更新fact为fact*(n+1)，以便在下一次循环中处理n+1时，fact已经是(n+1)!的值。但是，这里有个问题，因为当n从1循环到10000时，在第一次循环n=1时，计算的是1*1! =1，然后需要将fact更新为2!，即1*2=2。然后n=2时，计算2*2! =4，然后更新fact为2*3=6，即3!。这样，每次循环结束后，fact已经变成了(n+1)!，所以下一个n的阶乘是正确的。是的，这样循环内的处理是正确的。所以算法的大致流程是：初始化fact = 1（即1!，当n=1时） for n in range(1, 10001): result = n * fact # 处理result，比如输出或存储 fact = fact * (n + 1) # 这样，下一次循环的n+1对应的阶乘就是fact已经更新为(n+1+1)!吗？不，这里可能需要再仔细检查。例如，当n=1时： fact初始为1（1!）计算result =1*1=1 然后更新fact =1*(1+1)=2 → 这是2!，即当n=2时，fact=2，此时n=2，计算2*2! =4，然后更新fact=2*(2+1)=6 → 3!，依此类推。所以对于n来说，每次循环中的fact是n!，然后计算n*fact，然后更新fact为fact*(n+1)，即(n+1)!，这样下一个n+1对应的阶乘就是正确的。是的，这样处理是正确的。因此，这样的循环可以高效地计算每个n的n*n!的值，而不需要每次都从头计算阶乘，只需要O(1)的时间每次更新fact，整个循环是O(n)的时间复杂度。接下来，关于如何输出或存储这些结果的问题。对于n=10000，每个结果都是非常大的数，直接输出可能不太现实，但如果是需要存储到文件中，或者只是验证计算方法的正确性，可能用户需要的是方法而不是具体数值。另外，用户可能需要知道这个值的一些特性或者数学上的表示方式。例如，n*n! = (n+1)! - n!，这可能在求和时有帮助，比如如果求和从n=1到N的n*n!，那么根据望远镜求和法，总和为(N+1)! -1。但用户的问题只是每个单独的n，所以可能不需要这个。此外，考虑到大数计算的可行性，在Python中实现这个循环是可行的，因为Python支持大整数，但计算到10000!可能需要一些时间，但应该不会太久。例如，编写Python代码如下： fact = 1 for n in range(1, 10001): result = n * fact # 例如打印前几个结果，或者处理result fact = fact * (n + 1) 这样，当n=10000时，result =10000 * 10000!，而fact会被更新为10001!，但最后一次循环的n是10000，所以循环结束后不需要再处理。不过，这样的代码是否正确呢？比如，当n=10000时，计算的是10000 * 10000!，而下一个fact是10000! * 10001，也就是10001!，但循环在n=10000之后结束，所以没问题。现在，验证一下小例子：当n=1时，result=1*1!=1，正确。 n=2时，result=2*2=4，正确。 n=3时，result=3*6=18，正确，而3!是6，正确。这样，代码逻辑是正确的。所以，用户的问题可以通过这样的循环高效计算，每个n的n*n!的值。而最终的结果对于大n来说，数值会极其庞大，无法直接展示，但可以通过对数或其他方式表示其近似值，或者存储为字符串。另外，用户可能需要知道n*n!的数学表达式，即它等于(n+1)! -n!，这在数学上是正确的，如前面验证的。总结来说，解决这个问题的步骤是： 1. 理解n*n!的计算需求，每个n独立计算。 2. 发现阶乘的快速计算方法，利用递推关系，避免重复计算。 3. 使用循环结构，逐步计算每个n的阶乘，并乘以n得到结果。 4. 处理大数问题，选择适合的编程语言或工具（如Python）。 5. 验证小例子，确保算法正确。对于用户来说，如果他们需要具体的数值，可能需要编写程序来实现，而对于理论上的解释，可以指出n*n!等于(n+1)! -n!，并且可以通过递推高效计算。</think>要计算$n \cdot n!$的值（$n$从1到10000），可以分步骤分析： --- ### **步骤1：理解数学表达式** $n \cdot n!$表示将$n$与它的阶乘相乘。例如： - 当$n=1$时，$1 \cdot 1! = 1$ - 当$n=2$时，$2 \cdot 2! = 4$ - 当$n=3$时，$3 \cdot 3! = 18$ --- ### **步骤2：发现递推关系** 通过观察可发现关键性质： $$ n \cdot n! = (n+1)! - n! $$ **验证**： - 左边：$n \cdot n! = n \cdot n!$ - 右边：$(n+1)! - n! = (n+1) \cdot n! - n! = n! \cdot (n+1 - 1) = n \cdot n!$ 因此，计算$n \cdot n!$等价于计算$(n+1)! - n!$。 --- ### **步骤3：选择计算方法** 直接计算阶乘的复杂度较高，但可通过递推优化： 1. 初始化$f_1 = 1! = 1$。 2. 对于每个$n$，计算$n \cdot n! = (n+1)! - n!$。 3. 更新$f_{n+1} = (n+1)! = f_n \cdot (n+1)$。 --- ### **步骤4：处理大数问题** 当$n=10000$时，$10000!$是一个**35660位**的整数，远超普通数据类型的范围。需使用支持大整数的编程语言（如Python）或高精度库。 --- ### **步骤5：Python代码实现** ```python fact = 1 # 初始化1! for n in range(1, 10001): result = n * fact # 可在此处输出或存储result（例如前几项） fact = fact * (n + 1) # 更新为(n+1)! ``` --- ### **步骤6：验证结果** - 对于小$n$： - $n=1$：$1 \cdot 1! = 1$ - $n=2$：$2 \cdot 2! = 4$ - $n=3$：$3 \cdot 6 = 18$ - 验证递推公式：$n \cdot n! = (n+1)! - n!$ --- ### **步骤7：时间复杂度分析** - 递推法时间复杂度为$O(n)$，仅需单次循环。 - 计算$n=10000$时，需处理大整数乘法，但Python内置优化可高效完成。 --- ### **最终结论** 通过递推公式和Python的大整数支持，可高效计算$n \cdot n!$（$1 \leq n \leq 10000$）。每个结果均为精确整数，但数值极大（例如$10000 \cdot 10000!$有约35660位），实际应用中需根据需求选择存储或简化表示。