3 Activewaste

尚未进行身份认证

我要认证

good good study,day day up

等级
TA的排名 3w+

【leetcode刷题笔记】:53. 最大子序和

动态规划简单题给定一个整数数组 nums ,找到一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。思路:dp[n]表示以当前元素为终点,最大的连续子数组的值所以dp[n]的值取决于,以n为终点,但不以n为起点的,和以n为终点也以n为起点的两个值的关系dp[n] = max(dp[n-1] + nums[n] ,nums[n]):如果将前面的值加入当前结点,值比当前结点值还小,那为啥还要加入呢???这不是拖累了以当前结点为终点时,所获得的值吗,那就自己当起点,自己当终点。然后

2020-07-29 12:29:54

【leetcode刷题笔记】:392. 判断子序列

动态规划简单题给定字符串 s 和 t ,判断 s 是否为 t 的子序列。你可以认为 s 和 t 中仅包含英文小写字母。字符串 t 可能会很长(长度 ~= 500,000),而 s 是个短字符串(长度 <=100)。字符串的一个子序列是原始字符串删除一些(也可以不删除)字符而不改变剩余字符相对位置形成的新字符串。(例如,"ace"是"abcde"的一个子序列,而"aec"不是)。思路一:双指针从t字符串中挨个找s的字符,找到当前字符就在当前位置的下一个位置继续找下一个字符。时间复杂度为O(

2020-07-28 12:58:14

【leetcode刷题笔记】:437. 路径总和 III

leetcode刷题记录:二叉树简单题路径总和 III给定一个二叉树,它的每个结点都存放着一个整数值。找出路径和等于给定数值的路径总数。路径不需要从根节点开始,也不需要在叶子节点结束,但是路径方向必须是向下的(只能从父节点到子节点)。二叉树不超过1000个节点,且节点数值范围是 [-1000000,1000000] 的整数。思路:每个结点往下找路径为sum的最后结点,然后+1;找到最后结点后,还需要继续往下找,可能出现往下的几个结点的路径合为0的情况然后递归找每个结点;解决:双重递

2020-07-24 10:09:39

【leetcode刷题笔记】:824. 山羊拉丁文

1. leetcode刷题笔记:字符串简单题824.山羊拉丁文:给定一个由空格分割单词的句子 S。每个单词只包含大写或小写字母。我们要将句子转换为 “Goat Latin”(一种类似于 猪拉丁文 - Pig Latin 的虚构语言)。山羊拉丁文的规则如下:如果单词以元音开头(a, e, i, o, u),在单词后添加"ma"。 例如,单词"apple"变为"applema"。如果单词以辅音字母开头(即非元音字母),移除第一个字符并将它放到末尾,之后再添加"ma"。 例如,单词"goat"变为"

2020-07-23 10:34:56

【leetcode刷题笔记】:剑指 Offer 53 - II. 0~n-1中缺失的数字

1.leetcode刷题记录:数组简单题一个长度为n-1的递增排序数组中的所有数字都是唯一的,并且每个数字都在范围0~n-1之内。在范围0~n-1内的n个数字中有且只有一个数字不在该数组中,请找出这个数字。第一种方法:遍历解决思路:数组有序,从头开始遍历,遇到元素值与下标不相等的就是缺少的数。int missingNumber(vector<int>& nums) { for(int i=0;i<nums.size();i++){

2020-07-17 21:33:47

【leetcode刷题笔记】:1486. 数组异或操作

1.leetcode刷题记录:数组简单题给你两个整数,n 和 start 。数组 nums 定义为:nums[i] = start + 2*i(下标从 0 开始)且 n == nums.length 。请返回 nums 中所有元素按位异或(XOR)后得到的结果。解一:暴力法:class Solution {public: int xorOperation(int n, int start) { int res = 0; for (int i = 0; i

2020-07-16 20:38:56

【leetcode刷题笔记】:1331. 数组序号转换

1.leetcode刷题记录:数组简单题给你一个整数数组 arr ,请你将数组中的每个元素替换为它们排序后的序号。序号代表了一个元素有多大。序号编号的规则如下:序号从 1 开始编号。一个元素越大,那么序号越大。如果两个元素相等,那么它们的序号相同。每个数字的序号都应该尽可能地小。思路:用额外的一个向量保存排完序的arr,直接用sort比较快;用另外一个额外的数组rank,来记录排完序后的元素的大小排名,只要先记录每个数前面有多少个重复的数,然后用i进行减去就可以知道排名了;遍历原来

2020-07-16 19:54:06

C++笔记:new 和 malloc的区别

一、new和deleteC语言提供了malloc和free两个系统函数,完成对堆内存的申请和释放。而C++则提供了两个关键字new和delete;1.1 规则new/delete是关键字,效率高于malloc和free。配对使用,避免内存泄漏和多重释放。避免交叉使用,比如malloc申请空间delete释放,new出的空间被free。new/delete 主要是用在类对象的申请和释放。申请的时候会调用构造器完成初始化,释放的时候,会调用析构器完成内存清理。1.2 new/new[ ] 用法

2020-07-01 11:17:43

C++笔记:关键字作用

文章目录一、const1、修饰变量2、修饰函数参数3、修饰函数/成员函数4、修饰函数返回参数二、mutable1、mutable的应用场景三、static1、限制变量的作用域(隐藏)2、保持变量内容的持久性3、默认初始化为04、C++中的类成员声明static四、extern五、volatile1、面试题—>一个参数可以即是const又是volatile吗?六、inline1、面试题—>C++中哪些函数不能声明为inline?七、explicit八、#def

2020-07-01 01:13:14

C++笔记:虚函数实现原理

前言前言:在博客看到一位博主写的关于虚函数的实现原理写得通俗易懂,特别好,直接转载过来学习,这里没有原博主的博客链接,因为看到的只是另一个博主的对其的转载,而且并没有附上原博的链接。正文:C++中的虚函数的作用主要是实现了多态的机制。关于多态,简而言之就是用父类型别的指针指向其子类的实例,然后通过父类的指针调用实际子类的成员函数。这种技术可以让父类的指针有“多种形态”,这是一种泛型技术。所谓泛型技术,说白了就是试图使用不变的代码来实现可变的算法。比如:模板技术,RTTI技术,虚函数技术,要么是试图做到在

2020-06-30 21:40:43

ImportError :cannot import name xxxxxx 的三种类型的解决方法

网上关于这种问题的解决方案一大堆,但是绝大多数都是不适用,或者说解决不了问题,我根据别人所遇到的和我自己遇到的,对这个问题整理了一下,希望能解决这个问题。一、缺少这个module或者func或者package缺少python的各种package的话,就自己pip一下根据路径去找,发现是否忘记导入了二、命名问题这个问题也是很难容易解决,找一下路径,对应一下两个name,改一下就行。还有可能出现这种情况的是你使用的是别的官方的代码,版本升级,导致这个函数不用了,改成了另一个函数了,这个时候就要

2020-06-27 12:15:40

解决teamviewer检测到超时限制的问题:修改mac地址或自动更换ID方法

第一种方法具体实现可参考:https://blog.csdn.net/menghuannvxia/article/details/87915323第一步:卸载teamviewer第二步:删除注册表信息2.win+R打开运行输入“%appdata%”,找到teamview并删除输入regedit,打开注册表编辑器在【注册表编辑器】中,依次展开【HKEY_LOCAL_MACHINE\SOFTWARE\】,找到TeamViewer文件夹,右键删除。如果没有TeamViewer文件夹,可跳过该步骤。依

2020-06-23 18:15:19

【论文笔记】:Prime Sample Attention in Object Detection

&TitlePrime Sample Attention in Object Detection代码&Summary在目标检测中的一个普遍认知就是应该平等的对待每个sample和目标。这篇文章研究了不同的样本对于最终结果的影响。作者认为在每个minibatch中的样本既不是独立的也不是同样重要的,所以一个平均的结果并不能意味着是一个更高的mAP。作者提出了Prime Sample的概念并且提出了PISA的方法,主要挂住这些样本的训练过程,实验证明关注prime sample而不

2020-06-14 01:20:49

【论文笔记】:Overlap Sampler for Region-Based Object Detection

&TitleOverlap Sampler for Region-Based Object Detection代码&Summary在训练过程中,负责识别区域提议网络生成的提议的阶段始终会采用采样启发式方法(例如OHEM,IoU平衡采样)来选择部分示例。 但是如今,现有的采样器忽略了示例之间的重叠,这可能导致保留了一些低质量的预测。为了缓解该问题,我们建议使用“重叠采样器”,该示例根据示例之间的重叠来选择示例,从而使培训可以将重点放在重要示例上。Results:得益于此,F

2020-06-13 20:48:00

【论文笔记】:DetectoRS: Detecting Objects with Recursive Feature Pyramid and Switchable Atrous Convolution

&TitleDetectoRS: Detecting Objects with Recursive Feature Pyramid and Switchable Atrous Convolution代码&Summary许多现代的物体检测器通过使用两次观察和思考的机制展示了出色的性能。 在本文中,我们探索了用于目标检测的主干设计中的这种机制。 ’在宏级别,我们提出了递归特征金字塔,它结合了从特征金字塔网络到自下而上的骨干层的额外反馈连接。在微观层面上,我们提出了可切换的At

2020-06-12 20:17:08

cuda、cuDNN的安装和cuda版本不一致问题……

非root用户cuda安装推荐两篇cuda的安装,可以参考:非root用户在linux下安装多个版本的CUDA和cuDNN(cuda 8、cuda 10.1 等)非root用户在Linux系统下安装cuda注意:在下载好cuDNN后,对其进行解压,解压到cuda文件夹中。(是额外的cuda文件夹,不是已经安装好的cuda8或cuda10文件夹,反正都要cp到下载好的cuda10中,所以这里其实也没必要一定要解压到cuda文件夹中,虽然一个文件夹中即可,所以在使用两篇文章的cp操作的时候,留意

2020-06-04 20:42:28

【干货】:配置环境anaconda3并安装最新版mmdetection

引言之前写过关于mmdetection的安装和训练,最近在另一台服务器上重新配置环境,安装mmdetection的时候,按照原来的博客安装配置,出现了一些问题,特此来重新记录一下安装配置过程,也顺便纠正一下之前博客中出现的问题,或者模糊不清的东西。参考几篇我自己之前写的博客,这次这篇是一个大整合。pytorch镜像安装【清华源】【干货】用mmdetection,在COCO数据集上跑通faster R-CNN(测试、训练)安装Anaconda3遇到的几个问题安装Anaconda3去官网下载

2020-06-03 12:34:56

【论文笔记】:Group Sampling for Scale Invariant Face Detection

&TitleGroup Sampling for Scale Invariant Face DetectionCVPR2019&Summary之前的网络结构FPN和SSD,通常使用多个layer的不同空间精度预测不同规模的目标,简言之,高精度图预测小目标;作者发现没有必要使用多个layer来预测不同规模的人脸,关键是要均衡不同规模的正样例和负样例的数量,作者就提出了分组采样方法(a group sampling method),该方法基于不同规模(scale)将所有anchor

2020-05-23 21:46:42

Pytorch笔记:诡异的索引操作 + too many indices for tensor of dimension 1的一种解决方法

问题too many indices for tensor of dimension 1具体的错误信息忘记截图,大概就是上面的意思,对应的错误代码如下错误代码# 下面代码是博主自己随意码的,具体要说一下怎么解决这种问题import torchindex = torch.tensor([20,10,25,39,5,12]) # 这些index的值,对应着point中的索引point = torch.ones(2,40)# 然后用index中的数对point进行各点取值result_x =

2020-05-20 09:23:51

Pytorch笔记:维度dim的定义及其理解使用

一、dim的定义TensorFlow对张量的阶、维度、形状有着明确的定义,而在pytorh中对其的定义却模糊不清,仅仅有一个torch.size()的函数来查看张量的大小(我理解的这个大小指的就是TensorFlow对张量的形状描述,也和numpy的.shape类似)。所以,首先要搞清楚如何看一个张量的形状。import torchz = torch.ones(2,3,4)print(z)print(z.size())print(z.size(0))print(z.size(1))print

2020-05-12 21:22:16

查看更多

勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 1024勋章
    1024勋章
    #1024程序员节#活动勋章,当日发布原创博客即可获得
  • 勤写标兵Lv2
    勤写标兵Lv2
    授予每个自然周发布4篇到6篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。
  • 分享学徒
    分享学徒
    成功上传1个资源即可获取