摘要: 思路:把有可能成为滑动窗口最大值的数值存入一个两端开口的队列deque,在队列里存入数字在数组里的下标,而不是数值,当一个数字的下标与当前处理的数字的下标之差大于或者等于滑动窗口的大小时,这个数字已经从窗口中滑出,可以从队列中删除了。 阅读全文
posted @ 2019-05-19 13:35 LJ的博客 阅读(232) 评论(0) 推荐(0) 编辑
摘要: 思路:要保证数据容器左边的数据都小于右边的数据,用一个最大堆实现左边的数据容器,用一个最小堆实现右边的数据容器。 首先要保证数据平均分配到两个堆中,因此两个堆中数据的数目之差不能超过1,为了实现平均分配,可以在数据的总数目是偶数时把新数据插入最小堆,否则插入最大堆,还要保证最大堆中的所有数据都要小于 阅读全文
posted @ 2019-05-18 10:17 LJ的博客 阅读(193) 评论(0) 推荐(0) 编辑
摘要: 首先看十进制是如何做的: 5+7=12,三步走 第一步:相加各位的值,不算进位,得到2。 第二步:计算进位值,得到10. 如果这一步的进位值为0,那么第一步得到的值就是最终结果。 第三步:重复上述两步,只是相加的值变成上述两步的得到的结果2和10,得到12。 同样我们可以用三步走的方式计算二进制值相加: 5-101,7-111 第一步:相加各位的值,不算进位,得到010,二进制每位相加就相当于... 阅读全文
posted @ 2019-05-16 19:56 LJ的博客 阅读(327) 评论(0) 推荐(0) 编辑
摘要: 使用引用参数的原因: 程序员能够修改调用函数中的数据对象 通过传递引用而不是整个数据对象,可以提高程序的运行速度。 当数据对象较大时(如结构和类对象),第二个原因最重要,这些也是使用指针参数的原因。这是有道理的,因为引用参数实际上是基于指针的代码的另一个接口。 那么什么时候使用引用、什么时候使用指针 阅读全文
posted @ 2019-05-16 18:44 LJ的博客 阅读(3129) 评论(0) 推荐(0) 编辑
摘要: 思路: 首先我们考虑这个问题的一个简单版本:一个数组里除了一个数字之外,其他的数字都出现了两次。请写程序找出这个只出现一次的数字。 这个题目的突破口在哪里?题目为什么要强调有一个数字出现一次,其他的出现两次?我们想到了异或运算的性质:任何一个数字异或它自己都等于0 。也就是说,如果我们从头到尾依次异 阅读全文
posted @ 2019-05-16 10:13 LJ的博客 阅读(760) 评论(0) 推荐(0) 编辑
摘要: 思路:定义三个队列,三个队列的头指针为t2,t3,t5, t2表示乘2的队列,t3表示乘3的队列,t5表示乘5的队列,每次选出最小的队列头,并弹出该队列头,弹出时把该最小值分别乘以2,3,5放入相应的队列,继续求出最小的队列头。 1.为什么分三个队列? 丑数数组里的数一定是有序的,因为我们是从丑数数 阅读全文
posted @ 2019-05-15 19:44 LJ的博客 阅读(193) 评论(0) 推荐(0) 编辑
摘要: sort中的比较函数compare要声明为静态成员函数或全局函数,不能作为普通成员函数,否则会报错。 因为:非静态成员函数是依赖于具体对象的,而std::sort这类函数是全局的,因此无法再sort中调用非静态成员函数。静态成员函数或者全局函数是不依赖于具体对象的, 可以独立访问,无须创建任何对象实 阅读全文
posted @ 2019-05-15 18:45 LJ的博客 阅读(198) 评论(0) 推荐(0) 编辑
摘要: GridSearchCV GridSearchCV的名字其实可以拆分为两部分,GridSearch和CV,即网格搜索和交叉验证。 这两个概念都比较好理解,网格搜索,搜索的是参数,即在指定的参数范围内,按步长依次调整参数,利用调整的参数训练学习器,从所有的参数中找到在验证集上精度最高的参数,这其实是一 阅读全文
posted @ 2019-04-02 14:59 LJ的博客 阅读(2086) 评论(0) 推荐(0) 编辑
摘要: 无论是训练机器学习或是深度学习,第一步当然是先划分数据集啦,今天小白整理了一些划分数据集的方法,希望大佬们多多指教啊,嘻嘻~ 首先看一下数据集的样子,flower_data文件夹下有四个文件夹,每个文件夹表示一种花的类别 划分数据集的主要步骤: 1. 定义一个空字典,用来存放各个类别的训练集、测试集 阅读全文
posted @ 2018-11-01 14:05 LJ的博客 阅读(17516) 评论(0) 推荐(0) 编辑
摘要: 代码中"graph_practice7/"文件存放的是生成的神经网络图 现在要查看这个图,使用cmd 进入文件指定目录(我的文件存储地址是E:\workspace\PycharmProjections\tensor_practice),复制网址在网页中打开即可看到神经网络图 阅读全文
posted @ 2018-10-17 21:43 LJ的博客 阅读(1634) 评论(0) 推荐(0) 编辑