易错警示

1:位运算的优先级是真的不行。甚至比大于号,小于号,等于号还要低。所以用到位运算,别管程序美不美,直接小括号括起来!!!!

2:long long 类型 和 int 类型比较大小会出锅的。建议转到同一类型比较。

3:对于模数非常大的情况下,快速幂有可能会爆炸long long。(p^2 >1e18)。这里就需要用到O(1)快速乘

typedef long long LL;
typedef long double LDB;
inline LL mul(LL a, LL b, LL p) {
	return ((a * b - (LL)((LDB)a * b / p) * p) % p + p) % p;
}

4:注意c++里面数组下标可以为负,但是只有一小段是正常的。所以有的时候数组越界不会RE,会带来WA等错误。所以一定要弄清楚下标的范围,不能偷懒。

5:注意乘的时候不要爆炸int/ long long了。

6:位运算也要注意不要爆int。比如1<<50是错误的。应为1LL<<50。

7:如果数组开的刚好越界一点点,可能会出现undefined behaviour,会导致数组的顺序定义不一样,结果不一样的情况。要避免。

8:网络流建模的时候,边表要开的足够大。因为可能会有很多额外的边~。

9:注意图是否联通,是否存在重边和自环。

10:树剖向上跳的时候,是判断dep[top[x]]和dep[top[y]]才决定是否交换。因为x,y都跳到了fa[top[x]]或fa[top[y]]。

while (top[x] != top[y]) {
        if (dep[top[x]] < dep[top[y]]) swap(x, y);//att
        query2(1, dfn[ top[x] ], dfn[x]);
        x = f[ top[x] ];
    }
    if (dep[x] < dep[y]) swap(x, y);
    query2(1, dfn[y], dfn[x]);

11:FFT的空间是 3 ∗ ( n + m ) 3*(n+m) 3(n+m),不然会RE。

12:写 i f if if底下多个语句的时候要注意括号是否括到位,不括的话只会包含一条语句。
(如bzoj4025的4发WA)

13:一定要死扣数据范围,出题人有可能出出来那些让你RE的,但是常理容易得到的数据。往往就在一个取不取等的问题上导致大锅。(bzoj4025头两发RE)

14:c++自带的math库里面。log2(x)是以二为底取对数,log(x)是以e(2.71828)位底取对数

15:long double 的使用。读入应该用$Lf读入,输出应该用%Lf输出,或者可以转化成double 类型输出。具体原因是因为%f只处理4个字节,%lf处理8个字节,%Lf处理12个字节。如果没有配套使用的话,就有可能会出现RE的情况。

16: n ∗ 2 n*2 n2 n &lt; &lt; 1 n&lt;&lt;1 n<<1,而不是 1 &lt; &lt; n 1&lt;&lt;n 1<<n。这种智障错误一般出现在分心的时候。

17: e x i t ( 0 ) exit(0) exit(0)可以在程序的任何一个地方关闭文件并退出程序。返回值为0。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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