每日一题4.18.1
每日一题4.18.1 发邮件 解题思路： 当n个编号元素放在n个编号位置，元素编号与位置编号各不对应的方法数用D(n)表示，那么D(n-1)就表示n-1个 编号元素放在n-1个编号位置，各不对应的方法数，其它类推. 第一步，把第n个元素放在一个位置，比如位置k，一共有n-1种方法； 第二步，放编号为k的元素，这时有两种情况：⑴把它放到位置n，那么，对于剩下的n-1个元素，由于第k个元素 放到了位置n，剩下n-2个元素就有D(n-2)种方法；⑵第k个元素不把它放到位置n，这时，对于这n-1个元素
每日一题4.18.2
每日一题4.18.2 最长上升子序列 代码实现： #include<iostream>
#include<algorithm>
#include<vector>
using namespace std;
int main()
{
int n;
while (cin >> n)
{
vector<int> arr(n,0);
for (int i = 0; i < n; i++)
{
cin >> arr[i];
}
vector<int> s(n, 1);
Numpy数据二进制化
版权声明：本博文欢迎分享与转载，转载请注明出处和作者。 https://blog.csdn.net/dream6104/article/details/88709971 Numpy能够读写磁盘上的文本数据或二进制数据。 numpy.load和numpy.save函数（推荐在不需要查看保存数据的情况下使用）将数组以二进制格式保存到磁盘np.load和np.save是读写磁盘数组数据的两个主要函数，默认情况下，数组是以未压缩的原始二进制格式保存在扩展名为.npy的文件中。 例子： import n
tf.nn.embedding_lookup,tf.variable系列变量
一、tf.variable变量系列函数 1. tf.Variable与tf.get_variable tensorflow提供了通过变量名称来创建或者获取一个变量的机制。通过这个机制，在不同的函数中可以直接通过变量的名字来使用变量，而不需要将变量通过参数的形式到处传递。 TensorFlow中通过变量名获取变量的机制主要是通过tf.get_variable和tf.variable_scope实现的。 当然，变量也可以通过tf.Varivale来创建。当tf.get_variable用于变量创建
Python压平嵌套列表的一种方法
版权声明：本博文欢迎分享与转载，转载请注明出处和作者。 https://blog.csdn.net/dream6104/article/details/88742226 把嵌套级别的多级列表看成是树状结构: 定义函数：
def flat(tree):
res = []
for i in tree:
if isinstance(i, list):
res.extend(flat(i))
else:
LeetCode-合并两个有序链表(c++实现)
版权声明：本博文欢迎分享与转载，转载请注明出处和作者。 https://blog.csdn.net/dream6104/article/details/88830293
/**
* Definition for singly-linked list.
* struct ListNode {
* int val;
* ListNode *next;
* ListNode(int x) : val(x), next(NULL) {}
* };
*/
class
tf.concat用法总结
版权声明：本博文欢迎分享与转载，转载请注明出处和作者。 https://blog.csdn.net/dream6104/article/details/88853616 tf.concat是连接两个矩阵的操作，tf.concat(values,dim,name='concat') 按照dim给定的维度进行拼接，即，相应的维度增加，例子如下：
矩阵维度简单情形(shape为[2,3])
t1 = [[1, 2, 3], [4, 5, 6]]
t2 = [[7, 8, 9], [10
【转载】Python中numpy 数组的切片操作
https://blog.csdn.net/Arry_Lee/article/details/83108442 简介 取元素 X[n0,n1] 切片 X[s0:e0,s1:e1] 切片特殊情况 X[:e0,s1:] 示例代码 输出结果 简介 X[n0,n1]是通过 numpy 库引用二维数组或矩阵中的某一段数据集的一种写法。 类似的，X[n0,n1,n2]表示取三维数组，取N维数组则有N个参数，N-1个逗号分隔。 以二维数组为例： import numpy as np
X = np.array
Python-copy()与deepcopy()之间的主要区别
copy()与deepcopy()之间的主要区别是python对数据的存储方式。 首先直接上结论： —–深复制，即将被复制对象完全再复制一遍作为独立的新个体单独存在。所以改变原有被复制对象不会对已经复制出来的新对象产生影响。 —–而等于赋值，并不会产生一个独立的对象单独存在，他只是将原有的数据块打上一个新标签，所以当其中一个标签被改变的时候，数据块就会发生变化，另一个标签也会随之改变。 —–而浅复制要分两种情况进行讨论： 1）当浅复制的值是不可变对象（数值，字符串，元组）时和“等于赋值”的情况
sklearn中predict_proba、predict用法
版权声明：本博文欢迎分享与转载，转载请注明出处和作者。 https://blog.csdn.net/dream6104/article/details/89218239 总的来说，predict返回的是一个预测的值，predict_proba返回的是对于预测为各个类别的概率。predict_proba返回的是一个 n 行 k 列的数组， 第 i 行 j列的数值是模型预测 第 i 个预测样本为某个标签的概率，并且每一行的概率和为1。 predict
import numpy as np
X
推荐：26种NLP练手项目（代码+数据）
版权声明：本博文欢迎分享与转载，转载请注明出处和作者。 https://blog.csdn.net/dream6104/article/details/89227455 1.分词 Word Segmentation chqiwang/convseg ，基于CNN做中文分词，提供数据和代码。 对应的论文Convolutional Neural Network with Word Embeddings for Chinese Word Segmentation IJCNLP2017. 2.词预测
vs-code 配置
vs-code 快键键 命令面板 ctrl+shift+p vs-code 相关插件 AutoFileName Chinese (Simplified) Language Pack for Visual Studio Code markdownlint npm Npm Intellisense Vetur vue.json 代码片段配置，通过vue 快速生成vue文件中的相关结构 {
"Print to console": {
"prefix": "vue",
输入账号 密码 实现登录功能
当实现用户的账户和密码输入正确之后，页面跳转 跳转 使用window.loacation.href ="网址"， 这个时候 那个登录的地方有个 账号和密码 这个是怎么做到的呢？ 现在有个方法是： 在输入账号和密码的时候 ，当账号和密码都正确的时候，把这个两个值都存在本地，然后转到登录进去的页面的时候， 再在本地的缓存里面取到这2个值，即可。 <!DOCTYPE html>
<html>
<head lang="en">
<meta charset="UTF-8">
<t
Instrumentation接口详解
Instrumentation接口位于jdk1.6包java.lang.instrument包下，Instrumentation指的是可以独立于应用程序之外的代理程序，可以用来监控和扩展JVM上运行的应用程序，相当于是JVM层面的AOP 功能： 监控和扩展JVM上的运行程序，替换和修改java类定义，提供一套代理机制，支持独立于JVM应用程序之外的程序以代理的方式连接和访问JVM。 比如说一个Java程序在JVM上运行，这时如果需要监控JVM的状态，除了使用JDK自带的jps等命令之外，就可以
hashtable被弃用了
Hashtable的作者： HashMap的作者： Hash Map的作者比Hashtable的作者多了著名顶顶的并发大神Doug Lea。他写了util.concurrent包。著有并发编程圣经Concurrent Programming in Java: Design Principles and Patterns 一书。他的个人主页： http://g.oswego.edu/ Josh Bloch 为领导了众多Java平台特性的设计和实现，其中包括Java Collection框架、ja
数据挖掘学习笔记-第四章 神经网络
第四章 神经网络 Netral Networks Biological Motivation 例子 Perceprons 感知积 Power of Perceprons 实现一些逻辑上的功能 Gradient Descent 根据误差来调整权重 Delta Rule Batch Learning Stochastic Learning 感知积可以用来解决线性分类问题，线性分类器。不能解决线性不可分问题 比如：NAND Multilayer percepron 如何解决线性不可分问题 XOR 分
mint ui的tabBar监听路由变化实现tabBar切换
说明 最近学习vue，使用了mint ui的tabBar，感觉好难受，结合 tab-container使用更难受，因为它不是根据路由来切换页面的。mui与它基本相反，因此它能根据搜索栏的路由变化，相应的tabBar高亮显示，而mint ui就不能，要加点代码实现了。 mint ui tabBar标签栏 //页面 和 数据
<template>
<div id="main">
<mt-tabbar v-model="selected">
OpenCL——把vector变成scalar
https://stackoverflow.com/questions/46556471/how-may-i-convert-cast-scalar-to-vector-and-vice-versa-in-opencl 三种方法： 使用union。这个也是OCL标准的6.2.4.1节中容许的方法。 union my_type
{
char scalar[16];
char16 vector;
}; 优点：数据是明确对齐的，也即不会出现向量vector的内存长度和变成的多个标量的内存长度
Truck Adblue Emulator For SCANIA
For sale online Truck Adblue Emulator For SCANIA See the price Where to buy? Truck Adblue Emulator For SCANIA is the best selling product in the market. You can get special discount for Truck Adblue Emulator For SCANIA in this month. Available now a
15. Life Cycle of the Products 产品的生命周期
15. Life Cycle of the Products 产品的生命周期 (1) We can see how the product life cycle works by looking at the instruction of instant coffee.When it was introduced,most people did not like it as well as "regular" coffee and it took several years to gain g
今日推荐
周排行