- 博客(499)
- 收藏
- 关注
RSS订阅原创 划分型dp+倍率转换为后缀
的写法，最外层的循环枚举分割的次数（最多为1000），里层的循环分别枚举左边界和右边界，其实这么麻烦就是为了解决i*k的问题。前言：写这个题目的时候想了好久，但是只能想到一个复杂度为。正确的思路应该是转换成后缀来写。
2025-03-30 22:17:04
233
原创 PAQ压缩算法
PAQ是一系列无损数据压缩算法的统称。这里说的无损，意味着在压缩和解压缩的过程中，数据不会有任何损失，就像把行李打包得紧紧实实，但打开包裹后，里面的东西一件不少，原样呈现。PAQ压缩算法自问世以来，就凭借其独特的技术和出色的表现，在数据压缩领域占据了重要地位。
2025-03-24 23:24:48
617
原创 Zstd(Zstandard)压缩算法
为了解决这种情况，Zstd 提供了一种训练模式，可用于针对所选类型的数据调整算法。训练 Zstandard 是通过为其提供几个样本（每个样本一个文件）来实现的。此训练的结果存储在一个名为 “dictionary” 的文件中，该文件必须在压缩和解压缩之前加载。使用此字典，可在小数据上实现的压缩率显著提高。要压缩的数据量越小，压缩的难度就越大。这个问题对所有压缩算法都是通用的，原因是压缩算法从过去的数据中学习如何压缩未来的数据。但是，在新数据集开始时，没有“过去”可以构建。
2025-03-22 19:35:13
242
原创 dfs?背包？动态规划?dfs减枝！
我们再维护一个后缀和，我们当前西瓜的重量如果加上后缀的西瓜的总重量还是达不到我们的目标，就剪枝。首先我们要先把西瓜按照大到小进行一个排序，这样十分有助于我们快速排除一个非法的情况。这个题目还是比较好拿分的，其实要想清楚，一个瓜如果被劈开了，那么一定只会用到一半。这个问题可以理解为拿与不拿问题，我们可以写一个子集回溯的问题，见下面第一个代码。但是有很多测试集超时了，我其实想写一个背包，但是值域范围到了。我的这个dfs写法是枚举的是方案，不如写成枚举每一位。,没办法写成背包，而且也难以写成动态规划。
2025-03-13 21:35:42
232
原创 蒙特卡洛树搜索
需要确定蒙特卡洛树搜索的基本步骤。通常分为四个阶段：选择（Selection）、扩展（Expansion）、模拟（Simulation）和回溯（Backpropagation）。选择阶段是从根节点开始，按照某种策略选择子节点，直到到达一个可以扩展的节点。扩展阶段则是添加一个新的子节点。模拟阶段是从这个新节点开始，随机进行游戏直到结束，得到结果。最后，回溯阶段将模拟的结果反向传播到路径上的所有节点，更新它们的统计信息。蒙特卡洛树搜索（Monte Carlo Tree Search, MCTS）是一种基于随机模
2025-03-07 22:44:52
1054
原创 最短路的方案数+打印路径
可能有的疑惑是为什么路径相等的时候不再次将这个节点push到堆中，这是因为我们的堆中肯定存在这个节点了，且一定没有遍历到，这是因为我们的当前的距离是d ， 而v节点的距离dis[v] == d + w,这么说dis[v]大于d，那么v节点一定存在于堆中，我们就没必要重复push进去了。要弄清楚的就是距离相同的时候，如何进行转换，距离相同的时候，救援队的数量就是我们需要考虑的因素，我们直接采取新的路径就行。简单的来说，要增加啥新的功能，直接多开全局变量就行，没必要写在优先队列里面，不好转换。
2025-02-21 23:01:16
244
原创 合理建模--最短路径
主要是这个题目不能用bfs来写，因为距离并不是1。狄克斯特拉算法很久没写了，有些地方生疏了。这道题目难就难在如何想到用最短路径来做。且这个题目需要记录三个信息，得用。
2025-02-21 17:18:32
178
原创 转换问题--贪心
这个题目本质上就是为了构建一个字典序最小的，所以我们需要把0都移动到前面去，这个是核心。所以问题就转换成如何使用题目给的次数把0都尽可能移动到前面去。
2025-02-21 14:31:51
188
原创 选与不选？从暴力枚举到背包dp
这个题目我的定义就是 dp[ i ] [ j ] 为使用了i块地毯，到第 j 个位置能够覆盖的白色区域的最大数量，我省略了第一个维度的空间。如果我们进行dfs进行枚举的话，复杂度可能吃不消，我们借鉴背包的思路，背包的思路本质就是枚举每一个物品选与不选。很多时候我们都会遇到一些题目，给出很多个位置，在这个位置进行操作或者不进行操作，我们称之为选与不选问题。现在有几个难点就是如何快速算出 j 前面的最小值，以及每次算完后如何更新整个的答案区间呢。注意的是，我们的转移方程是。
2025-02-21 10:08:47
666
原创 python中字典用法
在蓝桥杯Python组的竞赛中，dict是一种非常常用的数据结构，主要用于高效地存储和查找键值对。字典的常见用法包括统计频率、记录索引、优化查找等。
2025-01-24 17:15:47
452
原创 python怎么搞定输入？？
使用input()函数可以接收用户输入，输入内容默认是字符串。如果需要接收数字输入，可以使用int()或float()进行类型转换。使用split()方法可以接收多个输入。
2025-01-17 17:16:52
404
2
原创 LogTrick求解类集合问题
这种情况下，b就已经在集合a中了，就没必要把b加入集合a中了。维护为以 i 为右节点的集合，集合的值为。，（这个定义一定要懂，否则写出来容易超时。这种题目可以理解为集合问题，
2025-01-17 10:26:22
271
原创 python中argparse的妙用
在编写 Python 脚本时，我们经常需要从命令行接收用户输入。Python 的argparse模块是一个强大的工具，可以帮助我们轻松解析命令行参数，并生成友好的帮助信息。本文将详细介绍argparse的使用方法，并通过示例演示如何定义和解析命令行参数。argparse是 Python 中处理命令行参数的强大工具。如何创建对象。如何添加和解析命令行参数。如何使用typedefaultchoices和help等参数。希望这篇博客对你有所帮助！如果你有任何问题或建议，欢迎在评论区留言。🚀。
2025-01-15 21:00:30
614
原创 python中的sys.path.append的妙用
在项目中，的主要作用是动态扩展模块搜索路径，从而解决模块导入问题。导入自定义模块。解决相对导入问题。
2025-01-15 20:57:19
497
原创 操作系统实验challenge1_1
注: s0 是栈底的指针，每次函数调用都会先保存之前的，再更新新的s0。所以我们此时的fp-8就是我们保存之前的fp（即s0）注意到在这个函数里面只保存了s0，没有保存ra。当前我们在do_user_call的栈。我们先打印当s0附近的一些情况。有助于我们分析栈的结构。
2024-12-24 20:38:27
247
原创 连续数组（前缀和+字典）
前言：看这个题目的时候不是很好维护每一个连续的和，我们转换思路，用前缀和的思路，我们用相减的思路就可以得到一段连续的数组的和。
2024-12-07 16:40:23
210
原创 流量控制和拥塞控制的区别
例如，当接收方的接收缓存满时，可以将窗口大小设置为0，暂停发送方的数据发送，直到接收缓存有空闲空间。流量控制的目的是防止发送方发送数据过快，导致接收方来不及接收，从而避免分组丢失。流量控制是通过滑动窗口机制实现的，接收方在返回的ACK中会包含自己的接收窗口大小，以此来控制发送方的数据发送速度。拥塞控制的目的是防止网络中注入过多的数据，从而避免网络过载。：控制拥塞窗口的增长速率，每次RTT往返后，拥塞窗口+1。：作用于接收方，控制发送方的发送速度，防止分组丢失。
2024-11-27 14:54:33
665
原创 多路归并+set去重
前言：这个题目一开始没啥想法，看完题解后感触很深，我们每次取出的最小的数乘以2,3,5可能就是我们下一个候选的答案，我们用set进行去重即可。
2024-11-21 18:50:31
176
原创 星期计算 快速幂乘法
前言：一开始看到这个题目的时候感觉很奇怪，后来才发现是一个快速幂乘法的题目。是多少就行，我们的python有内置的pow可以实现快速幂的求解。这个题目我们其实只要知道这个。
2024-11-20 15:35:55
179
2
原创 背包问题具体方案求解
前言：之前写的背包问题都是没有涉及到具体方案的，我们今天来写一个涉及到具体方案的。要知道一点的就是我们的背包问题，最优解一定是后面遍历的时候才确定，前面。是最优解，所以这一题我们需要倒序遍历。
2024-11-19 09:14:10
683
原创 默认网关的ip为什么要和主机的ip处于一个网络
简单来说，默认网关的作用就是让计算机能够访问外部网络。为了实现这一点，计算机必须能够直接与默认网关通信。如果默认网关不在同一子网，计算机无法通过 ARP 获取到网关的物理地址，导致无法发送数据包。只有在计算机和网关处于同一子网时，计算机才能确定如何将数据包发送到网关，进而访问外部网络。如果网关与计算机不在同一个子网，除非设置了额外的转发设备（如路由器或网桥），否则计算机就无法知道如何到达网关。希望这个解释能帮助你更好地理解网关和子网的关系。如果有任何不清楚的地方，随时告诉我！
2024-11-05 08:40:49
1517
1
原创 googlenet模型
GoogLeNet是一个深度卷积神经网络架构，首次在2014年由Google团队在ImageNet比赛中提出，并且以其成功而著称。
2024-10-29 15:45:11
281
原创 训练参数初始化和batchsize问题
在一个批次（batch）数据的训练中，反向传播时权重通常更新一次，但这一过程取决于具体的训练策略和使用的优化算法。如果我们一个batchsize中的数据偏差过大，会导致我们传播更新的时候出现不收敛的问题。为什么我们训练的batchsize有时候会影响我们的训练呢。
2024-10-29 15:22:39
306
原创 批量归一化（Batch Normalization）
是一种用于加速深度神经网络训练并提高模型稳定性的技术，通常简称为。它通过在每一层网络的激活输出上应用归一化操作来减少内部协变量偏移（Internal Covariate Shift），即减小网络在训练过程中因参数变化导致的分布漂移。批量归一化可以使网络更快地收敛，并帮助模型在训练时更稳定。
2024-10-25 22:41:09
1283
2
原创 深度学习中一些好的博客
想要有grad，首先requires_grad=True，我们的叶子节点才会保留计算的结果，并且我们还需要backward后才会计算出梯度。如果想将 pandas 中的数据转换为 NumPy 格式，你可以使用 .values 或 .to_numpy() 方法。本身我们的输出可以看作多个输出并行组成的列表，注意我们的向量对标量的梯度和向量对向量的梯度。反正一切的计算都是基于标量对标量的梯度上的。假设我们的pf是一个pandas的结构。,我们会对我们各自路径上的。进行求导计算，独立进行。
2024-10-13 17:15:19
620
1
原创 康托展开树状数组优化
我们先处理比当前这位小的数，计num为其数量，用num * 阶乘 [该位后还有多少个数]，最后还要加上1，那我们本身加上去。前言：咋看得这个题目和蓝桥杯的套路很相似。
2024-10-13 09:26:05
245
原创 筛选因数快速法+map
前言：老是忘记怎么快速筛选因数，我们只需要枚举小于sqrt（ num ） 的数，这样可以降低很多复杂度，而且我们的因数一定是成对出现的，所以我们遇到一个因数的时候x，判断。也是一个因数（这样可以保证我们不会重复统计。,是的话我们就可以知道。
2024-10-11 21:16:01
377
原创 梯度下降学习
前言：初步学习梯度下降， 不断根据梯度修改我们的参数，经过多次轮次得到使得我们损失函数最小的时候参数，后续我们可以通过类似的道理，更新我们的参数。上面是通过梯度进行数据的更新，朝着梯度的反方向进行改进。取什么值的时候能够让。最后我们的答案无限接近。假设我们的损失函数是。
2024-10-05 21:26:53
658
原创 滑动窗口+动态规划
前言：这个题目不能用简单的动态规划来做，那么怎么用滑动规划来维护前面 l 到 r 区间最大值呢，我们每次送到下标 i - l 的元素送到大顶堆中，每次把不符合下标的元素弹出。
2024-10-03 21:07:51
272
原创 分层建图+最短路
思路： 这就是建分层图的第一种情况，有k条地铁线路，我们就建k张图，然后再建第k+1张虚层，将各个可以中转线路的点连接起来，并设定从虚层到地铁需要乘该线的代价，从地铁到虚层代价为0，这里的虚层就相当于地铁站，这就实现了地铁的转线。前言：分层图不仅需要知道这个概念，还需要我们巧妙的建图。这个题目需要建立一个中转的虚层。
2024-10-01 20:26:58
270
原创 动态规划最低票价
前言：之前看到过这个题目归结到动态规划，当初还没什么思路，其实就是定义好dp [ i ] 为到第 i 个的最小费用就行，我们可以用upper_bound来优化我们的查找下标。
2024-10-01 11:33:20
301
原创 求恰好为k 的区间数量（滑动窗口进阶版）
但是这个题目呢我们不仅要保证我们的辅音字母的个数恰好为k，其他元音字母的个数只要每个都出现了就行，这个就导致我们不能用正常的思路来考虑这个问题。这里有一个细节，就是我们的每次循环都会加上我们的左端点，因为我们的右端点在扩展的时候，即使是一些无效扩展，我们每次前面计算的答案都是合法的。前言：之前做的滑动窗口都是可以直接一遍过，然后每次右边确定了以后，左边不断缩小寻找最优解。我们可以转换为最多，最少的问题，我们可以转换为。辅音字母至少为k+1 - 至少为 k 个。
2024-09-29 22:26:38
198
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人