基础数据结构——栈（一篇博客教你搞定）

最新推荐文章于 2025-01-21 09:36:24 发布
最新推荐文章于 2025-01-21 09:36:24 发布
阅读量980 收藏 12
点赞数 23
文章标签： 数据结构 java 算法
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。
本文链接：https://blog.youkuaiyun.com/xuziang13/article/details/143505645
版权

概述

计算机科学中，stack是一种线性的数据结构，只能在其一端添加数据和移除数据。习惯来说，可以移动的一端称为栈顶，另外一端不能操作的数据称为栈底，就如同子弹弹夹或者生活中的书

可以理解为后进先出

链表实现栈

先定义一个接口类，里面提供栈里面所需要的操作，再听过implement接口，便于方法的封装管理

public interface Stack <E>{
    boolean push(E value);
    E pop();
    E peek();
    boolean isEmpty();
    boolean isFull();
}

关于泛型

在上述代码中，Stack 接口使用了泛型 <E>，其中 E 是一个类型参数，代表栈中元素的类型。泛型的作用如下：

  1. 类型安全：通过使用泛型，Stack 接口可以确保栈中存储的元素类型是相同的，从而避免在运行时出现类型不匹配的问题。

  2. 代码重用：使用泛型，Stack 接口可以用于任何类型的元素，而不需要为每种类型创建一个新的栈实现。这使得代码更加通用和可重用。

  3. 提高代码的可读性：泛型提供了更好的代码可读性，因为它们允许在代码中明确指定栈中元素的类型。

  4. 减少强制类型转换：使用泛型可以减少源代码中的强制类型转换，从而减少了出错的机会，并提高了代码的可读性。

  5. 泛型方法：如果 Stack 接口中包含方法，这些方法也可以使用泛型，使得方法能够处理多种类型的参数。

  6. 泛型擦除：Java编译器会在编译时将泛型类型参数替换为它们的边界（如果没有指定边界，则默认为 Object），这个过程称为泛型擦除。这保证了泛型代码可以与不使用泛型的旧代码兼容。

通过使用泛型，Stack 接口可以提供更安全、灵活和可维护的代码。

我们来看栈的相关代码

public class LinkListStack <E>implements Stack<E>,Iterable<E> {
    public LinkListStack(int capacity) {
        this.capacity = capacity;
    }

    private int capacity;
    private int size;
    private Node<E> head=new Node<E>(null,null);
    static class Node<E>{
        E value;
        Node next;

        public Node(E value, Node next) {
            this.value = value;
            this.next = next;
        }
    }

    @Override
    public Iterator<E> iterator() {
        return new Iterator<E>() {
            Node<E> p=head.next;//设置栈的头结点
            @Override
            public boolean hasNext() {
                return p!=null;
            }

            @Override
            public E next() {
                E Val=p.value;
                p=p.next;
                return Val;
            }
        };
    }

    @Override
    public boolean push(E value) {
        if(isFull()){
            return false;
        }
        head.next=new Node<E>(value,head.next);
        size++;
        return true;
    }

    @Override
    public E pop() {
        if(isEmpty()){
            return null;
        }
        Node<E> first=head.next;
        head.next=first.next;
        return first.value;
    }

    @Override
    public E peek() {
        if (isEmpty()){
            return null;
        }
        return (E) head.next.value;
    }

    @Override
    public boolean isEmpty() {
        return head.next == null;
    }

    @Override
    public boolean isFull() {
        return size==capacity;
    }

    public static void main(String[] args) {
        LinkListStack<Integer> linkListStack=new LinkListStack<>(10);
        linkListStack.push(1);
        linkListStack.push(2);
        linkListStack.push(3);
        linkListStack.push(4);
        linkListStack.pop();
        linkListStack.push(5);
        linkListStack.push(6);
        for(Integer value:linkListStack){
            System.out.println(value);
        }

    }
}

和之前学习的几种数据结构一样，我们通过定义一个栈的类，在里面再通过static对于内部类node进行封装。

Node 类被设计为 LinkListStack 的一个组成部分，用于表示栈中的节点。由于 Node 类不需要访问 LinkListStack 的实例变量或方法，因此它可以被声明为 static，从而提高内存效率和编译时的优化。我们再来巩固一下static关键字的好处

  1. 内存效率：static 内部类不会持有对外部类的引用，因此不会增加外部类实例的内存占用。

  2. 独立性：Node 类可能被设计为可以独立于 LinkListStack 类使用，或者在其他上下文中重用。

  3. 访问控制：static 内部类可以有不同的访问修饰符，例如 public 或 private，这可以限制外部类对内部类的访问。

  4. 避免不必要的依赖：如果 Node 类不需要访问 LinkListStack 类的实例变量或方法，那么将其声明为 static 可以避免这种不必要的依赖。

  5. 编译时的优化：由于 static 内部类不依赖于外部类的实例，编译器可以在不涉及外部类的情况下优化 static 内部类的代码。

@Override
    public boolean isEmpty() {
        return head.next == null;
    }

    @Override
    public boolean isFull() {
        return size==capacity;
    }

在上面这两个判断是否为空或者满的方法中，逻辑就是返回头结点的下一个是否为空和栈的元素个数是否和容量相同，不难理解

 

@Override
    public boolean push(E value) {
        if(isFull()){
            return false;
        }
        head.next=new Node<E>(value,head.next);
        size++;
        return true;
    }

再添加操作中，我们先判断栈是否满了，满了的话无法完成添加操作，没有满的话则通过创建该节点，将该节点指向原来头结点的指向，再将头结点指向该节点

@Override
    public E pop() {
        if(isEmpty()){
            return null;
        }
        Node<E> first=head.next;
        head.next=first.next;
        return first.value;
    }

    @Override
    public E peek() {
        if (isEmpty()){
            return null;
        }
        return (E) head.next.value;
    }

再来看移除和返回栈顶的操作，移除方法就是将头结点指向下下个节点，返回操作直接返回头结点指向的值就行。

我们再来看实现迭代器的遍历操作

 @Override
    public Iterator<E> iterator() {
        return new Iterator<E>() {
            Node<E> p=head.next;//设置栈的头结点
            @Override
            public boolean hasNext() {
                return p!=null;
            }

            @Override
            public E next() {
                E Val=p.value;
                p=p.next;
                return Val;
            }
        };
    }

再便利操作中，当查询到节点的next为空时，代表已经遍历完了栈中所有的元素，可以结束遍历

数组实现栈

我们设置一个top指针，指向下一个加入栈中的元素在数组中存储对应的位置

我们可以利用top指针完成isempty和isfull的判断，不难理解，如下

 @Override
    public boolean isEmpty() {
        return top == 0;
    }

    @Override
    public boolean isFull() {
        return top==array.length;
    }

我们来看其他方法

添加方法只需要再判断是否为空的基础上将传入的值赋值给top，同时top完成自增

移除方法则是将top--即可，这样子再下一次添加操作中会直接覆盖移除位置的值

返回栈顶的方法不难理解，整体代码如下

 @Override
    public boolean push(E value) {
        if(isFull()){
            return false;
        }
        array[top++] = value;
        return true;
    }

    @Override
    public E pop() {
        if(isEmpty()){
            return null;
        }
        E value = array[top-1];
        top--;
        return value;
    }

    @Override
    public E peek() {
        if(isEmpty()){
            return null;
        }
        return array[top-1];
    }

关于迭代器遍历的方法，当p=0的时候说明遍历结束，然后按照返回值和完成p的递减即可

@Override
    public Iterator<E> iterator() {
        return new Iterator<E>() {
            int p=top;
            @Override
            public boolean hasNext() {
                return p>0;
            }

            @Override
            public E next() {
                E value=array[p-1];
                p--;
                return value;
            }
        };
    }

应用一：有效的括号

我们来看一道题目木

我们来分析一下思路，我们可以将括号分为左括号和有括号部分，如果是左括号就将对应的右括号存入栈里面，再输入式子中的左括号全部处理完成之后再将依次读取的右括号与从栈顶拿出来的右括号判断是否相等，然后移除栈顶的右括号再次进行读取判断，如果最后栈里面还有元素，说明括号不正确。

注意，如果式子是以右括号开头，依然是不正确的，需要补充判断

我们来看代码

public class E01Leetcode20 {
    public boolean isVaild(String s) {
        ArrayStack<Character> stack = new ArrayStack<>(s.length());
        for (int i = 0; i < s.length(); i++) {
            char c = s.charAt(i);
            if (c == '(') {
                stack.push(')');
            } else if (c == '[') {
                stack.push(']');
            } else if (c == '{') {
                stack.push('}');
            } else {
                if (stack!=null &&c == stack.peek()) {
                    stack.pop();
                } else {
                    return false;
                }
            }
        }
        return stack.isEmpty();
    }
}

 后缀表达式求值

思路如下：

遇到数字压入栈

遇到运算符，就从栈弹出两个数字做运算，将结果压入栈

遍历结束，栈中剩下的数字就是结果

将栈顶的值返回即为结果

我们来看代码

public class E02Leetcode150 {
    public int evalRPN(String[] tokens) {
        LinkedList<Integer> stack = new LinkedList<>();
        for (String t : tokens) {
            switch (t) {
                case "+"->{
                    Integer b=stack.pop();
                    Integer a=stack.pop();
                    stack.push(a+b);
                }
                case "-"->{
                    Integer b=stack.pop();
                    Integer a=stack.pop();
                    stack.push(a-b);
                }
                case "*"->{
                    Integer b=stack.pop();
                    Integer a=stack.pop();
                    stack.push(a*b);
                }
                case "/"->{
                    Integer b=stack.pop();
                    Integer a=stack.pop();
                    stack.push(a/b);
                }
                default -> {//数字
                    stack.push(Integer.parseInt(t));
                }
            }
        }
        return stack.pop();
    }
}

将中缀表达式转换为后缀表达式

类似于实现这样的效果，思路如下，先通过StringBuilder创建一个存储字符串的对象，在用过链表Linkedlist来实现栈，栈里面用来存储运算符

1，遇到非运算符，直接拼串

2，遇到+ - * /

      --它的优先级比栈顶运算符高，入栈

      --否则把栈里面优先级>=它的都出栈，它再入栈

3，遍历完成，栈里剩余运算符依次出栈

4，带（）

      --左括号直接入栈，左括号先设置为0

      --右括号就把栈里到左括号为止的所有运算符出栈

代码如下

public class E03InfixToSuffix {
    public static void main(String[] args) {

    }
    static int priority(char c){
        return switch (c){
            case '+','-' -> 1;
            case '*','/' -> 2;
            case '(' -> 0;
            default -> throw new IllegalArgumentException("不合法的运算符"+c);
        };
    }
    static String infixToSuffix(String exp){
        LinkedList<Character> stack = new LinkedList<>();
        StringBuilder sb = new StringBuilder();
        for(int i=0; i<exp.length(); i++){
            char c=exp.charAt(i);
            switch (c){
                case'*','/','+','-'->{
                    if(stack.isEmpty()){
                        stack.push(c);
                    }else {
                        if(priority(c)>priority(stack.peek())){
                            stack.push(c);
                        }else {
                            while(!stack.isEmpty() && priority(stack.peek())>=priority(c)){
                                sb.append(stack.pop());
                            }
                            stack.push(c);
                        }
                    }
                }
                case'('->{
                    stack.push(c);
                }
                case')'->{
                    while (!stack.isEmpty()&&stack.peek()!='('){
                        sb.append(stack.pop());
                    }
                    stack.pop();
                }
                default -> {
                    sb.append(c);
                }
            }
        }
        while(!stack.isEmpty()){
            sb.append(stack.pop());
        }
        return sb.toString();
    }
}

RT-DETR训练自己的数据集（从代码下载到实例测试）
Limiiiing的博客
09-14 1万+
在Windows10上配置CUDA环境教程是百度提出的一种实时目标检测模型。RT-DETR采用了与DETR相同的编码器和解码器结构，但对其进行了大量的优化，在保持较高检测精度的同时，实现了实时目标检测，为目标检测领域提供了一种新的有效解决方案，具有广泛的应用前景，如自动驾驶、智能监控、机器人等领域。以上是RT-DETR官方的论文和代码，详细介绍了RT-DETR的构成和实现。在YOLOv10中也实现了RT-DETR的代码，所以本文使用YOLOv10的项目文件进行RT-DETR的训练和测试。YOLOv10。
RT-DETR改进策略【Neck】| SEAM：分离和增强注意模块，解决复杂场景下的小目标遮挡问题
最新发布
Limiiiing的博客
04-17 322
本文记录的是利用 SEAM 模块优化 RT-DETR 的目标检测网络模型。的设计出发点在于解决复杂场景下的人脸遮挡问题，相当于是小目标被其他物体部分遮挡时，传统方法因特征缺失导致检测精度下降的问题。该模块通过增强未遮挡区域的特征响应并补偿被遮挡区域的信息损失，提升模型对遮挡小目标的检测能力。YOLO-FaceV2: A Scale and Occlusion Aware Face DetectorSEAM模块（Separated and Enhancement Attention Module）的设计出发点
RT-DETR代码详解（官方pytorch版）——参数配置（1）
小小老大MUTA的博客
01-07 6203
RT-DETR代码详解（官方pytorch版）参数配置
RT-DETR论文解读与代码
qq_52053775的博客
06-15 5658
目前以大名鼎鼎的YOLO为代表的基于CNN的实时监测网络需要NMS进行后处理，导致不能很好的优化网络，并且网络不够健壮，从而导致检测器的推理速度出现延迟。研究者也分析了Anchor-based和Anchor-free的YOLO的性能，发现Anchor并不是影响实时监测的关键要素，而NMS后处理彩色。DETR很好的解决了后处理对于模型的限制，却受限于Transformer巨大的计算量，无法发挥实时监测性。因此，作者想要重构detr,使其具有实时性。
RT-DETR改进策略【模型轻量化】| 替换骨干网络 CVPR-2024 RepViT 轻量级的Vision Transformers架构
Limiiiing的博客
12-03 478
一、本文介绍 本文记录的是基于RepVit的RT-DETR轻量化改进方法研究。RepVit的网络结构借鉴ViT的设计理念，通过分离的token mixe和channel mixer减少推理时的计算和内存成本，同时减少扩展比率并增加宽度，降低延迟，并通过加倍通道来弥补参数大幅减少的问题，提高了准确性。本文在替换骨干网络中配置了原论文中的repvit_m0_9、repvit_m1_0、repvit_m1_1、repvit_m1_5和repvit_m2_3五种模型，以满足不同的需求。 模型 参数量 计算量
RT-DETR模型源码解析
weixin_58429528的博客
08-07 1034
"""目的是将特定的函数（如 to(), cpu(), cuda(), half(), float() 等）应用到模型的张量上，但这些张量不能是模型的参数或已注册的缓冲区。'''举个例子，如果args = {'imgsz': 416, 'data': 'coco128.yaml', 'task': 'detect', 'batch_size': 8}，这里有一个明显的错误，'grfc' 很可能是一个拼写错误，应该是 'grpc'，这是一种常用于微服务架构的通信协议。
RT-DETR部分源码解析
weixin_58429528的博客
08-07 814
RT-DETR源码解析
RT-DETR详解之 Decoder 层
pengxiang1998的博客
06-11 3735
在上一篇博客中，博主已经讲解了如何利用选择出好的特征，接下来便要将这些特征输入到Decoder中进行解码，需要注意的是，在RT-DETR的Encoder中，使用的是标准的自注意力计算方法，而在其Decoder中，则使用的是可变形自注意力（deformable attention)，可变形自注意力能够大幅的降低计算量，同时该部分还使用到了CUDA算子，能够加快运行速度，当然，这个可变形自注意力计算并非是RT-DETR的创新点，但其作用却是极大，在DINO，DN-Deformable-DETR中都有使用。
RT-DETR推理详解及部署实现
周同学的博客
11-12 2万+
RT-DETR推理详解及部署实现
详解RT-DETR网络结构/数据集获取/环境搭建/训练/推理/验证/导出/部署
热门推荐
Snu77的博客
11-27 4万+
本文给大家带来是利用RT-DETR模训练自己的数据集，RT-DETR是一种新提出的目标检测模型，它利用的自注意力机制来处理图像数据。不同于YOLO通过连续的卷积层直接对图像区域进行分析，RT-DETR采用Transformer架构中的自注意力机制，这允许模型更有效地理解图像中不同部分之间的关系。这种方法使得RT-DETR在处理图像中的复杂场景和多对象环境时，能够展现出更高的准确性和效率。此外，RT-DETR在保持高精度的同时，也针对实时处理进行了优化，使其适合需要快速响应的应用场景。
RT-DETR改进有效系列目录 | 包含卷积、主干、RepC3、注意力机制、Neck上百种创新机制
Snu77的博客
01-29 2万+
Hello，各位读者们好Hello，各位读者，距离第一天发RT-DETR的博客已经过去了接近两个月，这段时间里我深入的研究了一下RT-DETR在ultralytics仓库的使用，旨在为大家解决为什么用v8的仓库训练的时候模型不收敛，精度差的离谱的问题，我也是成功的找到了解决方案，对于ultralytics仓库进行多处改进从而让其还原RT-DETR官方的实验环境从而达到一比一的效果。同时本人一些讲解视频和包含我所有创新的RT-DETR文档。
目标检测+PaddleDetection+rt-detr运行代码
06-28
该代码是百度的PaddleDetection代码，包含rt-detr配置文件和相关代码，可以直接用来测试
RT-DETR模型结构详解，在Ultralytics项目中配置rtdetr-resnet18、rtdetr-resnet34
Limiiiing的博客
01-21 1444
RT-DETR是一种实时端到端的目标检测模型，主要由 骨干网络、高效混合编码器和 带有辅助预测头的 Transformer 解码器组成。本文对其进行了详细分析，并在项目中配置了结构。
RT-DETR
weixin_65802479的博客
10-18 1185
RT-DETR 的网络架构是通过结合 CNN 和 Transformer 的优势，优化了目标检测流程，能够高效、准确地完成目标检测任务。其自注意力机制和特征融合技术使得模型能够处理复杂场景中的物体检测。
目标检测算法之RT-DETR
weixin_52862386的博客
06-27 3115
对RT-DETR的encoder部分，整体看下来像是yolo的backbone+neck。RT-DETR的核心还是在增速上，所以这里它的优化思想是值得借鉴的，但是yolo结构跟DETR结构之间的界限越来越模糊了。对query的优化上，只是做了对齐，使其选择的query更加精确。整体而言模型的创新不大。虽然DETR提倡的是NMS-Free，但是对于某些对精装度要求较高的任务中，如果阈值设置过低，导致最后得出的框过多，仍然需要借助NMS的方法去改进。设置过高则存在丢框的问题。
RT-DETR代码详解（官方pytorch版）——模型加载（2）
小小老大MUTA的博客
01-08 1662
找到在RT-DETR中，模型和数据集是怎么传入train_ine_epoch中进行训练的
[转]RT-DETR推理详解及部署实现-优快云博客
chinagudujian的专栏
01-04 4381
是由 Baidu 提出的基于 transformer 的端到端实时检测器，本篇文章主要分享博主在实现 RT-DETR 推理和部署时做的一些尝试，不涉及任何的原理性分析。若有问题欢迎各位看官批评指正😄博主在这里针对 RT-DETR 的预处理和后处理做了简单分析，同时与大家分享了 C++ 上的实现流程，目的是帮大家理清思路，更好的完成后续的部署工作😄。
RT-DETR：端到端的实时Transformer检测模型（目标检测+跟踪）
pengxiang1998的博客
05-31 8127
博主一直一来做的都是基于的目标检测领域，相较于基于卷积的目标检测方法，如YOLO等，其检测速度一直为人诟病。终于，RT-DETR横空出世，在取得高精度的同时，检测速度也大幅提升。那么RT-DETR是如何做到的呢？在研究RT-DETR的改进前，我们先来了解下DETR类目标检测方法的发展历程吧DETRNMSDAB-DETRDETR100DETRDAB-DETRH-DETR然而，上述方法尽管已经大幅提升了检测精度，降低了计算复杂度，但其受本身高计算复杂度的制约，DETR。
RT-DETR 基于Transformer的目标检测模型介绍及微调训练
小毕超博客
11-03 3497
RT-DETR是基于Transformer的目标检测模型,DETR的基础上采用了高效的混合编码器和IoU感知,有效降低了计算成本、提高了检测精度。
rt-detrv3网络结构
03-16
### RT-DETRv3 网络结构分析 RT-DETRv3 是一种基于 Transformer 的实时端到端目标检测算法，其核心在于通过引入分层密集正监督方法以及一系列创新性的训练策略，解决了传统 DETR 模型收敛慢和解码器训练不足的问题。以下是 RT-DETRv3 的主要网络结构特点： #### 1. **基于 CNN 的辅助分支** 为了增强编码器的特征表示能力，RT-DETRv3 引入了一个基于卷积神经网络 (CNN) 的辅助分支[^3]。这一分支提供了密集的监督信号，能够与原始解码器协同工作，从而提升整体性能。 ```python class AuxiliaryBranch(nn.Module): def __init__(self, in_channels, out_channels): super(AuxiliaryBranch, self).__init__() self.conv = nn.Conv2d(in_channels, out_channels, kernel_size=3, padding=1) self.bn = nn.BatchNorm2d(out_channels) def forward(self, x): return F.relu(self.bn(self.conv(x))) ``` 此部分的设计灵感来源于传统的 CNN 架构，例如 YOLO 系列中的 CSPNet 和 PAN 结构[^2]，这些技术被用来优化特征提取效率并减少计算开销。 --- #### 2. **自注意力扰动学习策略** 为解决解码器训练不足的问题，RT-DETRv3 提出了一种名为 *self-att 扰动* 的新学习策略。这种策略通过对多个查询组中阳性样本的标签分配进行多样化处理，有效增加了阳例的数量，进而提高了模型的学习能力和泛化性能。 具体实现方式是在训练过程中动态调整注意力权重分布，确保更多的高质量查询可以与真实标注 (Ground Truth) 进行匹配。 --- #### 3. **共享权重解编码器分支** 除了上述改进外，RT-DETRv3 还引入了一个共享权重的解编码器分支，专门用于提供密集的正向监督信号。这一设计不仅简化了模型架构，还显著降低了参数量和推理时间，使其更适合实时应用需求。 ```python class SharedDecoderEncoder(nn.Module): def __init__(self, d_model, nhead, num_layers): super(SharedDecoderEncoder, self).__init__() decoder_layer = nn.TransformerDecoderLayer(d_model=d_model, nhead=nhead) self.decoder = nn.TransformerDecoder(decoder_layer, num_layers=num_layers) def forward(self, tgt, memory): return self.decoder(tgt=tgt, memory=memory) ``` 通过这种方式，RT-DETRv3 实现了高效的目标检测流程，在保持高精度的同时大幅缩短了推理延迟。 --- #### 4. **与其他模型的关系** 值得一提的是，RT-DETRv3 并未完全抛弃经典的 CNN 技术，而是将其与 Transformer 结合起来形成混合架构[^4]。例如，它采用了 YOLO 系列中的 RepNCSP 模块替代冗余的多尺度自注意力层，从而减少了不必要的计算负担。 此外，RT-DETRv3 还借鉴了 DETR 的一对一匹配策略，并在此基础上进行了优化，进一步提升了小目标检测的能力。 --- ### 总结 综上所述，RT-DETRv3 的网络结构主要包括以下几个关键组件：基于 CNN 的辅助分支、自注意力扰动学习策略、共享权重解编码器分支以及混合编码器设计。这些技术创新共同推动了实时目标检测领域的发展，使其在复杂场景下的表现更加出色。 ---
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