lih627

整除分块/数论分块文章目录整除分块/数论分块定义分块区间端点例题及分析洛谷 P2261 余数求和牛客： 天花板参考：整数分块及详细证明整除分块定义计算 ∑i=1n⌊ni⌋\sum_{i=1}^{n}\lfloor\frac{n}{i}\rfloor∑i=1n​⌊in​⌋ ，打表时间复杂度是O(n)O(n)O(n) 。显然存在区间[l,r][l, r][l,r]，⌊nl⌋=⌊nr⌋\lfloor \frac{n}{l}\rfloor = \lfloor \frac{n}{r} \rfloor⌊

C++ 表达式中的类型转换文章目录C++ 表达式中的类型转换简介自动转换强制类型转换总结简介最近刷题经常遇到对结果取模，由于某些操作导致溢出。例如 MOD = 10e9 + 7下列表达式int hash = (base * base) % MOD // base * base 溢出需要在表达式中加入强制类型转换。摘抄C++ Primer Plus 3.4.4 类型转换章节之表达式中的转换。自动转换整形提升(integral promotion): C++ 在计算表达式时，自动将 bool

[CV] 联通状态估计文章目录[CV] 联通状态估计简介算法流程代码简介联通状态估计可以通过Two-Pass 算法实现，基于并查集。假设对于一张图片，背景标记为-1，前景标记为0，统计图片中的联通区域。下面动图可以展示：[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5TFKnvYw-1606470671056)(https://raw.githubusercontent.com/lih627/MyPicGo/master/imgs/20201127174926.g

LeetCode 1130 叶值的最小代价生成树文章目录LeetCode 1130 叶值的最小代价生成树题目思路题目给你一个正整数数组 arr，考虑所有满足以下条件的二叉树：每个节点都有 0 个或是 2 个子节点。数组 arr 中的值与树的中序遍历中每个叶节点的值一一对应。（知识回顾：如果一个节点有 0 个子节点，那么该节点为叶节点。）每个非叶节点的值等于其左子树和右子树中叶节点的最大值的乘积。在所有这样的二叉树中，返回每个非叶节点的值的最小可能总和。这个和的值是一个 32 位

LeetCode 1074 元素为目标值的子矩阵数量文章目录LeetCode 1074 元素为目标值的子矩阵数量题目思路一 前缀和思路二 前缀和+哈希表优化题目给出矩阵 matrix 和目标值 target，返回元素总和等于目标值的非空子矩阵的数量。子矩阵 x1, y1, x2, y2 是满足 x1 <= x <= x2 且 y1 <= y <= y2 的所有单元 matrix[x][y] 的集合。如果 (x1, y1, x2, y2) 和 (x1', y1', x2',

Opencv 从源码编译python-GPU版本简介安装必须要的库查看cuda版本和显卡型号下载 Opencv 和 Opencv Contrib准备虚拟环境编译和安装GPU 推理简介最近在使用 Opencv HED 算法做边缘检测，在一张 1000X1000 大小的图片推理大概需要6秒，所以想通过GPU加速。之前一种通过 PYPI 安装 opencv-python ，这个版本是不支持GPU的，因此需要从源码编译安装。参考了教程How to use OpenCV’s “dnn” module with

记录一次失败的字节跳动面试「算法」文章目录记录一次失败的字节跳动面试「算法」简介神经网络参数如何初始化Xavier 初始化He 初始化Dropout在forward里面怎么做L1和L2正则化的区别AUC是什么，写一下代码编程题，类似实现 ndarray.shape简介字节跳动面崩了，记录一下。神经网络参数如何初始化Deeplearning.ai的教程Initializing neural networks :首先神经网络参数不能初始化为0或者任意相同的常量。如果网络参数都是相同常量，那个每个隐层

LeetCode 面试题05.04 下一个数(位运算)文章目录LeetCode 面试题05.04 下一个数(位运算)题目思路题解参考:github 代码LeetCode题解代码集合中的位运算题目题目来自LeetCode 面试题05.04下一个数。给定一个正整数，找出与其二进制表达式中 1 的个数相同且大小最接近的那两个数（一个略大，一个略小）。示例 1: 输入：num = 2（或者0b10）输出：[4, 1] 或者（[0b100, 0b1]）示例 2:输入：num = 1输

快速幂和矩阵快速幂文章目录快速幂和矩阵快速幂快速幂乘法防止溢出矩阵快速幂矩阵乘法快速幂斐波那契数列的第N项带备忘录递归(爆栈)思考通项公式通项公式计算(OverflowError)矩阵快速幂(通过)面试快手被问到了23333，这篇文章之前发布到leetcode上面了。快速幂计算 xnx^ nxn 通常需要 nnn 次乘法, 时间复杂度为 O(n)O(n)O(n) , 当 nnn 非常大的时候, 运算效率很低.快速幂是通过把nnn 转化为二进制来实现的. 例如: 计算 x14x^{14}x14,

最小二乘法解的矩阵形式文章目录最小二乘法解的矩阵形式简介平方损失函数对参数求导求解最优参数简介最近在看 NNDL，其中有一个经验风险最小化的例子，即最小二乘法，定义如下：给定一组包含 NNN 个训练样本的训练机 D={(x(n),y(n))}n=1ND=\{(\mathbf{x}^{(n), }y^{(n)})\}_{n = 1}^ND={(x(n),y(n))}n=1N​ 。使用线性回归。样本和参数均为列向量。f(x;w)=wTxf(\mathbf{x};\mathbf{w}) = \math

深度学习中需要的矩阵计算摘要介绍复习：标量求导法则向量计算和偏导数矩阵计算Jacobian 矩阵生成向量元素级二元运算符的导数涉及标量运算的导数向量归约和(sum reduction)链式法则Single-variable chain ruleSingle-variable total-derivative chain rule向量链式法则神经激活函数的梯度拓展: 广播函数神经网络损失函数的梯度关于权重的梯度针对偏置项的公式总结The Matrix Calculus You Need For Deep

Python property 介绍文章目录Python property 介绍简介Property 是 Built-in FunctionsProperty 也可用作装饰器Property 实现只读的属性Property 可以做属性的类型和数值验证简介最近看 Effective Python 第四章元类及属性。其中经常出现@property 装饰器。因此总结一下。我理解@property的一个比较直观的好处是可以创建只读的属性，这样可以防止属性呗随意更改。Property 是 Built-in F

零神模拟面试总结文章目录零神模拟面试总结简介题目和题解概率类投硬币(概率/几何级数)取球(条件概率)作业与吃糖(概率/数列知识)数学类导数算法相关逆序对算法选择空间复杂度相关时间复杂度简介最近甜姐群里大家都在面试，总结一些题目。包括群里讨论的面试题，已经零神下班前出的题目，题目和题解概率类投硬币(概率/几何级数)甲乙两人轮流投硬币，先投出正面的赢。如果甲先投硬币，那么甲获胜的概率是多少。分析，可以按照轮来计算：第一轮，甲正面1/21/21/2，乙正面1/2⋅1/2=1/41/2\cd

树状数组/归并排序应用: 计算数组的小和简介思路树状数组归并排序简介面试文远知行，被问到了这道题，牛客程序员代码面试指南: 计算数组的小和题目描述如下：数组小和的定义如下：例如，数组 s = [1, 3, 5, 2, 4, 6]在 s[0] 的左边小于或等于 s[0] 的数的和为 000在 s[1] 的左边小于或等于 s[1] 的数的和为 111在 s[2] 的左边小于或等于 s[2] 的数的和为 1+3=41+3=41+3=4在 s[3] 的左边小于或等于 s[3] 的数的和为 111

欧拉通路/回路和一笔画问题简介欧拉通路、欧拉回路和欧拉图无向图有向图Hierholzer 算法LeetCode [332. 重新安排行程](https://leetcode-cn.com/problems/reconstruct-itinerary/)LeetCode [753. 破解保险箱](https://leetcode-cn.com/problems/cracking-the-safe/)简介LeetCode 每日一题刷到了一笔画问题。其核心是找到图的欧拉通路或欧拉回路。之前用DFS做的，算法也

[CV] Rotated IoU 计算旋转矩形之间的重叠面积文章目录[CV] Rotated IoU 计算旋转矩形之间的重叠面积简介旋转包围盒的编码方式矢量的旋转公式包围盒转化为角点代码表示相交区域的特点点在四边形(矩形)内点积的物理意义代码线段交点判断线段是否相交相交后转化为直线交点代码计算相交区域面积顶点排序顶点排序代码简易版三角剖分所有代码简介在目标检测的领域，基于Anchor的方法需要对Anchor分配正负样本的标签。通常，对于axis-aligned的anchor和ground truth，

[CV] Anchor-Free Target Assignment 高斯核半径简介代码原理解释情况1情况2情况3简介有两篇经典 Anchor-Free 算法，CornerNet 和 CenterNet，Target Assignment 过程都是用了位置和包围核尺度生成自适应高斯分布，即高斯核半径是通过包围核尺度计算得到的。这里作者论文都是一带而过，然而如何计算还是有很多学问在里面。Github也有对于他们的讨论。我参考了以下资料：知乎：说点 Cornernet/Centernet 代码里面 G

[CV] 快速计算灰度图 bounding box 内部的方差简介Haar 特征快速计算方差简介给定一张灰度图和一系列 bounding boxes，每个bounding box(bbox) 通过 [left, top, right, down] 编码，计算每个 bbox 内部像素的均值和方差。直观的思路是对每个bbox计算均值然后计算方差，每一个的时间复杂度为O(k⋅w⋅h)O(k\cdot w\cdot h)O(k⋅w⋅h) 其中 kkk 是一个常量。当 bbox 很多的时候，时间复杂度过高。 计

DeepGlint AI编程练习赛: 对抗性攻击题目大意思路代码题目大意给定神经网络表达式：Y=softmax(W2×ReLU(W1×X))Y = \text{softmax}(W_2\times\text{ReLU}(W_1\times X))Y=softmax(W2​×ReLU(W1​×X))其中XXX 是NNN维向量W1W_1W1​ 为M×NM\times NM×N 矩阵ReLU(x)=max⁡(0,x)\text{ReLU}(x)=\max(0, x)ReLU(x)=max(0,x)

CentOS 非root服务器配置前言Anaconda3zshzsh配置报错: ncurses-devel 相关oh-my-zshVS Code RemoteVSCode修改默认Bash总结前言实习生终于有了自己的远程服务器，但是没有root权限。安装软件有点困难。记录一下配置过程遇到的问题。Anaconda3从THU镜像下载最新的Anaconda3 wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-202