摘要：
从上到下打印出二叉树的每个节点，同一层的节点按照从左到右的顺序打印。 例如: 给定二叉树: [3,9,20,null,null,15,7], 3 / \ 9 20 / \ 15 7 返回： [3,9,20,15,7] 来源：力扣（LeetCode） 链接：https://leetcode-cn.co 阅读全文
摘要：
输入两个整数序列，第一个序列表示栈的压入顺序，请判断第二个序列是否为该栈的弹出顺序。假设压入栈的所有数字均不相等。例如，序列 {1,2,3,4,5} 是某栈的压栈序列，序列 {4,5,3,2,1} 是该压栈序列对应的一个弹出序列，但 {4,3,5,1,2} 就不可能是该压栈序列的弹出序列。 示例 1 阅读全文
摘要：
文章目录 0. 前言0.1 简易版理解 1. 简单回顾R-CNN结构1.1 RPN网络[4]1.1.1. RPN的意义1.1.2. RPN的运作机制1.1.3 3. RPN的整个流程回顾 1.2 Roi Pooling[5]1.2.1 ROI Pooling的意义1.2.2 ROI Pooling的 阅读全文
摘要：
定义栈的数据结构，请在该类型中实现一个能够得到栈的最小元素的 min 函数在该栈中，调用 min、push 及 pop 的时间复杂度都是 O(1)。 示例: MinStack minStack = new MinStack(); minStack.push(-2); minStack.push(0) 阅读全文
摘要：
输入两棵二叉树A和B，判断B是不是A的子结构。(约定空树不是任意一个树的子结构) B是A的子结构， 即 A中有出现和B相同的结构和节点值。 例如: 给定的树 A: 3 / \ 4 5 / \ 1 2 给定的树 B： 4 / 1 返回 true，因为 B 与 A 的一个子树拥有相同的结构和节点值。 示 阅读全文
摘要：
文章目录 DCGAN教程1. 简介2. 生成对抗网络（Generative Adversarial Networks）2.1 什么是 GAN2.2 什么是 DCGAN 3. DCGAN实现过程3.1 输入3.2 数据3.3 实现3.3.1 权重初始化3.3.2 生成器3.3.3 判别器3.3.4 损 阅读全文
摘要：
文章目录 使用pytorch进行深度学习1. 深度学习构建模块：仿射变换, 非线性函数以及目标函数1.1 仿射变换1.2 非线性函数1.3 Softmax和概率1.4 目标函数 2. 优化和训练3. 使用PyTorch创建网络组件3.1 示例: 基于逻辑回归与词袋模式的文本分类器 使用pytorch 阅读全文
摘要：
请完成一个函数，输入一个二叉树，该函数输出它的镜像。 示例 1： 输入：root = [4,2,7,1,3,6,9] 输出：[4,7,2,9,6,3,1] Python 利用平行赋值的写法（即 a, b = b, aa,b=b,a ），可省略暂存操作。其原理是先将等号右侧打包成元组 (b,a)(b, 阅读全文
摘要：
输入两个递增排序的链表，合并这两个链表并使新链表中的节点仍然是递增排序的。 示例1： 输入：1->2->4, 1->3->4 输出：1->1->2->3->4->4 思路：新建一个链表，对l1和l2进行循环遍历，最后谁剩余，谁补到后面 # Definition for singly-linked l 阅读全文
摘要：
输入一个矩阵，按照从外向里以顺时针的顺序依次打印出每一个数字。 示例 1： 输入：matrix = [[1,2,3],[4,5,6],[7,8,9]] 输出：[1,2,3,6,9,8,7,4,5] 示例 2： 输入：matrix = [[1,2,3,4],[5,6,7,8],[9,10,11,12] 阅读全文