Wuuu!

差分数组是一种与前缀和思想相似的算法技巧，主要用于频繁对原始数组的某个区间元素进行增减操作的场景。 核心应用场景 当需要多次对数组的特定区间进行加减操作时，常规的思路很容易，你让我给区间 nums[i..j] 加上 val，那我就一个 for 循环给它们都加上呗，还能咋样？这种思路的时间复杂度是 O(N)O(N)，由于这个场景下对 nums 的修改非常频繁，所以效率会很低下。 这里就需要差分数组的技巧，类似前缀和技巧构造的 preSum 数组，我们先对 nums 数组构造一个 diff 差分数组，diff[i] 就是 nums[i] 和 nums[i-1] 之差：使用差分数组可以大大提高效率。 差分数组通过记录相邻元素的差值来构建，这样对原数组某个区间的批量操作，在差分数组中只需要修改两个位置的值即可完成。 12345int diff[nums.size()]; // 构造差分数组 diff[0] = nums[0]; for (int i = 1; i < nums.size(); i++) { diff[i] = nums[i] - nums[i -...

一维矩阵中的前缀和 例题 给定一个整数数组  nums，处理以下类型的多个查询: 计算索引 left 和 right （包含 left 和 right）之间的 nums 元素的 和 ，其中 left <= right 实现 NumArray 类： NumArray(int[] nums) 使用数组 nums 初始化对象 int sumRange(int i, int j) 返回数组 nums 中索引 left 和 right 之间的元素的 总和 ，包含 left 和 right 两点（也就是 nums[left] + nums[left + 1] + ... + nums[right] ) 示例 1： 输入： [“NumArray”, “sumRange”, “sumRange”, “sumRange”] [[[-2, 0, 3, -5, 2, -1]], [0, 2], [2, 5], [0, 5]] 输出： [null, 1, -1, -3] 解释： NumArray numArray = new NumArray([-2, 0, 3, -5, 2,...

仅含置位位的最小整数 给你一个正整数 n。 返回 大于等于 n 且二进制表示仅包含 置位 位的 最小 整数 x 。 置位 位指的是二进制表示中值为 1 的位。 示例 1： 输入： n = 5 输出： 7 解释： 7 的二进制表示是 "111"。 示例 2： 输入： n = 10 输出： 15 解释： 15 的二进制表示是 "1111"。 示例 3： 输入： n = 3 输出： 3 解释： 3 的二进制表示是 "11"。 提示： 1 <= n <= 1000 思路 首先找到这个数的二进制位数，然后把不为1的位变成1就行了 bit_width 函数可以找到一个数的位数，但是bit_width() 函数只接受无符号整数类型作为参数，不接受有符号整数。如果 n 是 int 类型（有符号），直接调用 bit_width(n) 会编译错误。 然后找到大于这个数的最大的2的指数，再减一就行了。 代码 1234567891011class Solution {public:    int...

从房价预测理解线性回归 现实场景 假设我们想要预测一套房子的价格，我们知道房价通常与房屋面积密切相关。一般来说： 面积越大的房子，价格越高 面积越小的房子，价格越低 数据观察 我们收集了一些历史数据： 房屋面积(㎡) 价格(万元) 60 120 80 160 100 200 120 240 140 280 建立线性关系 从数据中我们可以发现一个规律： 价格=2×面积价格 = 2 \times 面积 价格=2×面积 这就是一个最简单的线性回归模型： y=wx+by = wx + b y=wx+b 其中： yyy：要预测的目标变量（房价） xxx：特征变量（房屋面积） www：权重系数（每平米价格） bbb：偏置项（基础价格） 扩展到多特征 现实中，房价不仅取决于面积，还受其他因素影响： 卧室数量 地理位置 房龄 周边设施 是不是有两个卫生间~ 这时就需要多元线性回归： y=w1x1+w2x2+...+wnxn+b∗y = w_1x_1 + w_2x_2 + ... + w_nx_n +...

Mikoto10032/DeepLearning: 深度学习入门教程, 优秀文章, Deep Learning Tutorial 序 - aiTour

1.超算互联网网址 超算互联网 2.算力租用 登录后点击控制台，并选择notebook进行创建 页面展示了能够提供的显卡，目前可以使用4090，L20，A800,建议大家选择L20，性能不错切性价比高。 3.开发镜像 选择好了算力后需要为所租用的算计进行开发环境的搭建 镜像的意思就是提前帮你下载搭建好相应的环境，感兴趣的同学也可以探索其他镜像，如大模型相关训练，这里只介绍Pytorch相关环境搭建 我选择的镜像是比较稳定的版本，选择好后点击创建 4.使用方法 目前这个状态即为创建好环境并正在运行 点击Jupyterlab进行进一步使用，大家也可以通过ssh远程连接vscode，pycharm等IDE，这里不做介绍，有兴趣可以参考VSCode远程连接AutoDL服务器详细教程_vscode+ssh+autodl-CSDN博客 大家注意个人文件请存放在private...

Jupyter Notebook入门教程 1. 安装与配置 1.1 Jupyter参考网址 Jupyter官方网址 IPython官方网址 配套notebook文件下载 ，下载解压notebook.zip文件，在notebook目录下打开jupyter notebook。 1.2 安装Jupyter 打开Anaconda的命令提示窗口，创建新的虚拟环境 1conda create -n env_name python=3.8 scikit-image=0.18 -y 12# 查看新环境是否已经创建成功conda env list 安装Jupyter 1234# 进入新创建的环境conda activate env_name# 安装Jupyterpip install jupyter - 输入jupyter notebook即可在浏览器中自动打开notebook - 如果我们想新建一个notebook，并且使用当前新建的环境时，我们发现没有当前新建环境的...

安装流程 1.安装 Anaconda 2.创建 机器学习 环境 3.检查显卡，更新驱动 4.配置清华云 镜像源 5.安装pytorch 6.测试 7.CUDA核心 1.安装Anaconda https://www.anaconda.com/download/ 直接默认下一步即可 装完之后 按win在“所有应用”中找到Anaconda Prompt 出现（base）表示成功 2.创建pytorch环境 这里面输入python可以看到安装的python版本号，我的是python3.10然后输入exit()回车就好。 创建pytorch虚拟环境，pytorch是环境变量的名字，python=3.10即是之前自己系统python版本。(注意这里的python版本要和自己的版本相同，我的是python3.10) conda create -n pytorch python=3.10 到这里按y即可 出现这个界面就表示成功了 我们输入activate...

数学公式显示问题 最近写了一些深度学习的笔记，发现hexo本身不支持obsidian的公式语法，于是在网络上寻找解决方案。 hexo next主题解决无法显示数学公式_hexo博客公式不显示-CSDN博客 按照这个教程修改后发现依旧存在问题，核心原因是 错误来源： hexo-renderer-kramed 插件。 具体原因： 在 node_modules\kramed\lib\rules\inline.js 文件中，解析器遇到了一个 SyntaxError: Unexpected identifier 'autolink'。 深层原因： 这是因为 kramed 库（hexo-renderer-kramed 的依赖）在其老版本中，使用了某些在 旧版本 Node.js 中不被支持的 JavaScript 语法特性，或者更常见的是，这个旧库不支持当前使用的较新的 Node.js 版本（例如 Node 18 或更高版本）。