2016-12-24

最新推荐文章于 2021-12-14 16:34:58 发布
最新推荐文章于 2021-12-14 16:34:58 发布
阅读量256 收藏
点赞数
分类专栏： 高中笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/g19ly/article/details/53862755
版权

学习内容：

上午：线段树

下午：Tarjan、割点割边

注意事项：

1.<<1 乘2 

    >>1 除2

—————————————————————————————————————————————————————

2.if（a）==if （a ！=0）

   if（！a）==if （a==0）

—————————————————————————————————————————————————————

3. while(scanf("%s",str),strcmp(str,"End")) 当str！=End时，strcmp可以判断两个string类型是否相等，若相等则为0

—————————————————————————————————————————————————————

加油期末考试！！！加油文化课！！！加油竞赛！！！

liaoooi
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
CVE-2016-4437 Shiro反序列化漏洞复现
weixin_45260839的博客
05-15 2744
CVE-2016-4437 Shiro反序列化漏洞复现
201612
weixin_47681530的博客
08-11 44
1、中间数 //表示整数除法，返回一个向下取整的整数 # 中间数 # 　　在一个整数序列a1, a2, …, an中，如果存在某个数，大于它的整数数量等于小于它的整数数量，则称其为中间数。在一个序列中，可能存在多个下标不相同的中间数，这些中间数的值是相同的。 def st161201(): n = int(input()) numbers = list(map(int, input().split())) numbers.sort() if(len(numbers)%2==
OpenSSH客户端漏洞：CVE-2016-0777和CVE-2016-0778
核桃树
01-20 8137
from:http://bobao.360.cn/learning/detail/2566.html?utm_source=tuicool&utm_medium=referral from:https://www.qualys.com/2016/01/14/cve-2016-0777-cve-2016-0778/openssh-cve-2016-0777-cve-2016-0778.txt
Rancher v2.4.5 SSL/TLS协议信息泄露漏洞(CVE-2016-2183)【原理扫描】
小康子的博客
12-14 7122
最近服务器被“绿盟科技”扫出该漏洞，具体是由于 Rancher 组件 etcd 版本过低造成的。 1. 升级服务器 openssl 版本 首先查看服务器 openssl 版本，升级到 1.1.1 即可，具体参考 升级 CentOS 7 openssl 版本openssl version 升级前OpenSSL 1.0.2k-fips 26 Jan 2017 升级后OpenSSL 1.1.1h 22 Sep 2020 2. 使用 testssl.sh 工具测试 testssl.sh 测.
mysql CVE-2016-6662漏洞
热门推荐
雅冰石的专栏
09-23 1万+
作者：苦逼司马（凌晨四点收到投稿，感谢作者连夜编辑技术分析） 稿费：800RMB 投稿方式：发送邮件至linwei#360.cn，或登陆网页版在线投稿 引用 【技术分享】CVE-2016-6662-MySQL ‘malloc_lib’变量重写命令执行分析 http://bobao.360.cn/learning/detail/3026.
电路仿真实验指导书-2016-12-24-1.zip
12-08
电路仿真实验指导书-2016-12-24-1.zip
3GPP TS 24.334 V14.0.0 (2016-12)
09-14
3GPP TS 24.334 V14.0.0 (2016-12) 3rd Generation Partnership Project; Technical Specification Group Core Network and Terminals; Proximity-services (ProSe) User Equipment (UE) to ProSe function ...
3GPP TS 24.503 V8.22.0 (2016-12)
01-21
3rd Generation Partnership Project; Technical Specification Group Core Network and Terminals; Telecommunications and Internet converged Services and ...[3GPP TS 24.229 (Release 7), modified] (Release 8)
资源管理器EX2016-02-24
02-24
主要的功能： 1.文件类型的识别 2.文件编码的识别 3.... 4.支持浏览多种图片jpg、cur、ani、ico、gif、png、bmp、pcx、psd、tga、iff、ras、rsb、sgi、ttf、dds 5.... 6.... 7.... 8.... 9.... 10.... 12.剪粘板监控
weblogic 漏洞统计 CVE
09-18
12.CVE-2014-4242 13.CVE-2014-4253 14.CVE-2014-4267 15.CVE-2014-4255 16.CVE-2014-4254 17.CVE-2014-2479 18.CVE-2014-4210 19.CVE-2014-4241 20.CVE-2014-4217 21.CVE-2014-4201 22.CVE-2014-4202 23.CVE...
sort按vector元素排序
g19ly的博客
01-30 5111
#include <iostream> #include <vector> #include <algorithm> using namespace std; typedef struct example { int elem1; int elem2; }example;//这个comparison函数很重要. //如果希望升序排序,就是"<",降序排列就是">"号 //这样便于直观
sort关键字排序
g19ly的博客
01-30 1002
#include <iostream> #include <vector> #include <algorithm> using namespace std; typedef struct example { int elem1; int elem2; }example; //这个comparison函数很重要. //如果希望升序排序,就是"<",降序排列就是">"号 //这样便于直
2017-07-10:考试（再次爆int，记住用long long）
g19ly的博客
07-10 908
Now the commencement speakers will typically also wish you good luck and extend good wishes to you. I will not do that, and I’ll tell you why. From time to time in the years to come, I hope you will b
2017-07-11：考试逆序对（读题仔细）
g19ly的博客
07-11 661
一题：逆序对 错误原因：题意理解错误 求由1到n一共n个数字组成的所有排列中，逆序对个数为k的有多少个 题意是一个数列（一串数），数列中的数都不重复，找这个数列中的逆序对 错误理解成一个很长很长的数，找这个数中的逆序对 方法：开两个数组：f[i][j]:从长度为1到长度为i的数列中逆序对个数为j的排列组数的积累和 g[i][j]:仅是长度为i的数列中逆序对个数为j的排列组数f[i][j]=
2017-03-24
g19ly的博客
03-24 659
1. memset(f,127/3,sizeof(f)); 赋值127是很大的正数，若无/3后面的相加可能超出int的范围 2.此问题尚未解决(P93题解) int f[100][100]; memset(f,127/3,sizeof(f)); for (int i=1;i<=n;i++) f[i][i]=0;memset只能用于一维数组，不能用于二维数组,但是以上代码可
2017-07-07：欧拉函数&&容斥原理
g19ly的博客
07-07 497
欧拉函数： =n(p1−1p1)(p2−1p2)⋅⋅⋅(p3−1p3)=n (\frac{p_1-1}{p_1})(\frac{p_2-1}{p_2})···(\frac{p_3-1}{p_3})定义：整数从1到n中有多少个数与n互质 m=n;k=n; r=sqrt(n); for (int i=1;i*i<=r;i++){//k即为φ(n) if (!(
P934字符串匹配
g19ly的博客
01-20 471
KMP资料： 小蓝P297-299 大黑P588-593 徐鸿图讲稿网址： https://blog.xehoth.cc/2016/11/08/KMP%E7%AE%97%E6%B3%95%E5%AD%A6%E4%B9%A0%E6%80%BB%E7%BB%93/#KMP算法学习总结重点内容： 1.next数组性质 2.思路： ·next[1]=0
2017-04-23(long long 读入！！！)
g19ly的博客
04-23 427
long long 读入！！！
2017-01-22（2017-01-21测试）
g19ly的博客
01-22 366
2017-01-21测试
order_date sales_region_code item_code first_cate_code second_cate_code sales_chan_name item_price ord_qty 2016-03-15 101 20001 302 408 offline 700 102 2016-03-21 101 20001 302 408 offline 705 19 2016-03-23 101 20001 302 408 offline 702 36 2016-03-24 101 20001 302 408 offline 692 204 2016-03-25 101 20001 302 408 offline 693 36 2016-05-06 101 20001 302 408 offline 707 305 2016-05-09 101 20001 302 408 offline 709 206 2017-08-04 101 20002 303 406 offline 1958 4 2018-03-14 101 20002 303 406 offline 2166 2 2018-03-16 101 20002 303 406 offline 2466 3 2018-03-25 101 20002 303 406 offline 2453 3 2018-03-31 101 20002 303 406 offline 2462 9 以上数据是excel表格，你能都出来吗 上表表格保存在test.xlsx文件：order_date（订单日期,注：订单日期从2015 年 9 月 1日至 2018 年 12 月 20 日）、sales_region_code（销售区域编码）、item_code（产品编码）、first_cate_code （产品大类编码）、second_cate_code （产品细类编码）、sales_chan_name （销售渠道名称）、item_price （产品价格）和 ord_qty （订单需求量） 希望给出下列描述的python代码。 读入表格，将数据转为模型可用的格式。 训练集与测试集的数据要转换成模型可使用的数据格式，数据维度要与模型的输入相匹配。 使用tensorflow创建多层卷积与多层lstm相结合的模型，其训练数据为相同的产品编码，对应的订单日期，对应的订单需求量。然后进行模型训练 模型训练完成后，对不同的产品编码预测其在2019年1月至3月每月的订单需求量。 需要将信息保存在result.xlsx表格中，其中应包含以下数据，产品编码，和对应的2019年1月订单需求量，2019年2月的需求量，2019年3月的需求量。
最新发布
04-23
抱歉，作为AI，我没有能力读取外部表格。这个问题需要使用Python相关的库进行处理。以下是参考代码： ```python import pandas as pd import numpy as np import tensorflow as tf # 读入表格 df = pd.read_excel('test.xlsx') # 转换为模型可用的格式 def convert_to_model_format(df): # 将日期转换为时间戳 df['timestamp'] = pd.to_datetime(df['order_date']).astype(np.int64) // 10**9 # One-hot编码 df = pd.get_dummies(df, columns=['sales_region_code', 'first_cate_code', 'second_cate_code', 'sales_chan_name']) # 取出需要的列 df = df[['item_code', 'timestamp', 'ord_qty'] + list(df.columns[8:])] # 按照同一产品编码进行分组 groups = df.groupby('item_code') # 将每个分组转换为模型可用的格式 result = [] for _, group in groups: sequences = [] targets = [] for i in range(49, len(group)): sequences.append(group.iloc[i-49:i, 2:].values) targets.append(group.iloc[i, 2]) result.append((np.array(sequences), np.array(targets))) return result data = convert_to_model_format(df) # 创建模型 def create_model(): inputs = tf.keras.layers.Input(shape=(49, 267)) conv = inputs for i in range(3): conv = tf.keras.layers.Conv1D(filters=64, kernel_size=3, activation='relu')(conv) lstm = tf.keras.layers.LSTM(units=128)(conv) dense = tf.keras.layers.Dense(units=64, activation='relu')(lstm) outputs = tf.keras.layers.Dense(units=1)(dense) model = tf.keras.models.Model(inputs=inputs, outputs=outputs) model.compile(optimizer='adam', loss='mse', metrics=['mae']) return model model = create_model() # 训练模型 for x_train, y_train in data: model.train_on_batch(x_train, y_train) # 预测 def predict(model, item_code): # 构造测试数据 dates = pd.date_range(start='2019-01-01', end='2019-03-31', freq='MS').astype(np.int64) // 10**9 df_test = pd.DataFrame({'timestamp': dates}) df_test['item_code'] = item_code df_test = pd.get_dummies(df_test, columns=['item_code']) test_data = df_test.drop(columns=['timestamp']).values x_test = np.zeros(shape=(len(test_data) - 49, 49, 267)) for i in range(49, len(test_data)): x_test[i-49] = np.concatenate([test_data[i-49:i], np.zeros(shape=(49 - 1, 267))]) y_pred = model.predict(x_test).flatten().tolist() return y_pred # 预测并保存 result = pd.DataFrame({'item_code': df['item_code'].unique()}) result['201901'] = result['item_code'].apply(lambda x: predict(model, x)[0]) result['201902'] = result['item_code'].apply(lambda x: predict(model, x)[1]) result['201903'] = result['item_code'].apply(lambda x: predict(model, x)[2]) result.to_excel('result.xlsx', index=False) ``` 请注意，这只是一个简单的参考代码，具体实现可能需要根据数据情况进行修改。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值