m0_47893709的博客

我们无法修改安装的包名，只能忽略这个错误。上面两句话表示安装过时的包不报错的意思。发现是github拒绝连接。

再在当前文件页面搜索 torch.rfft 和 torch.irfft 将其改为 rfft 和 irfft 也就是把torch.去掉，再运行就好了。因为torch版本问题，新版本删除了irfft。但我不想降低torch版本。在使用了torch.irfft的文件中加上这段代码。

并查集的Union就可以用来初始化边与边之间的联系，不需要你手动去给每个根和节点赋值。

遍历所有的格子，首先判断不是陆地就continue，是陆地我们就对其四个方向进行侦测，若是海洋或边界则说明这个方向对应的有一个边可以当作周长加上。：给定一个 row x col 的二维网格地图 grid ，其中：grid[i][j] = 1 表示陆地， grid[i][j] = 0 表示水域。当你进入一个房间，你可能会在里面找到一套不同的钥匙，每把钥匙上都有对应的房间号，即表示钥匙可以打开的房间。整个网格被水完全包围，但其中恰好有一个岛屿（或者说，一个或多个表示陆地的格子相连组成的岛屿）。

如果能在set中找到替换后的元素，说明可以走这一步，我们就将其入队，并且将set中对应的元素删除，防止出现反复走这一步的情况。下一步，直接通过遍历所有的海洋也就是标号为0的点，去看其四周的岛屿能不能链接起来，如果可以，我们就将对应岛屿的编号添加到unordered_set中去，并将对应的岛屿值相加到count中，再和result对比，取最大值即可。首先，通过深度优先遍历，将所有岛屿，按片为单位全部都标记下来，也就是同一片岛屿的编号相同，不同岛屿的编号不同。如果不存在这样的转换序列，返回 0。

这题总体思路就是遍历边界点（也就是能直接流进大洋的点），再逆流遍历，因为雨水往低处流，我们逆流遍历就可以找到所有大于边界的雨水高度的点，这些点就是可以直接流进大洋的点。给定一个 m x n 的整数矩阵 heights ， heights[r][c] 表示坐标 (r, c) 上单元格。：给你一个 m x n 的矩阵 board ，由若干字符 'X' 和 'O' ，找到所有被 'X' 围绕的区域，并将这些区域里所有的 'O' 用 'X' 填充。当前单元格的高度，雨水可以直接向北、南、东、西流向相邻单元格。

给你一个大小为 m x n 的二进制矩阵 grid ，其中 0 表示一个海洋单元格、1 表示一个陆地单元格。是由一些相邻的 1 (代表土地) 构成的组合，这里的「相邻」要求两个 1 必须在。计算并返回 grid 中最大的岛屿面积。如果没有岛屿，则返回面积为 0。：给你一个大小为 m x n 的二进制矩阵 grid。在任意次数的移动中离开网格边界的陆地单元格的数量。就是多了一个不能走出界则将岛屿数加到结果中的操作。岛屿的面积是岛上值为 1 的单元格的数目。）的陆地单元格或跨过 grid 的边界。

用队列模拟广度优先，首先入队第一个遇到的陆地，然后遍历其上下左右的空间，是陆地就入队且淹没，非陆地就不操作，不断进行，直到全部变为海洋为止。graph[i] 是一个从节点 i 可以访问的所有节点的列表（即从节点 i 到节点 graph[i][j]存在一条有向边）。：给你一个由 '1'（陆地）和 '0'（水）组成的的二维网格，请你计算网格中岛屿的数量。岛屿总是被水包围，并且每座岛屿只能由水平方向和/或竖直方向上相邻的陆地连接形成。，请你找出所有从节点 0 到节点 n-1 的路径并输出（

是按数组遍历顺序，这个数字之后的第一个比它更大的数，这意味着你应该循环地搜索它的下一个更大的数。如果不存在，则输出 -1。：给定一个循环数组 nums （ nums[nums.length - 1] 的下一个元素是 nums[0] ），返回。：给定 n 个非负整数表示每个宽度为 1 的柱子的高度图，计算按此排列的柱子，下雨之后能接多少雨水。用单调栈来解题，递增的单调栈，由于栈顶每次都是最小的元素，我们接雨水其实就是。

这题我们就是以每个柱子为基准，找到左边第一个比它矮的柱子left，右边第一个比它矮的柱子right，由于左右都比它矮，所以算矩形的时候肯定不能带上左右的柱子，中间的宽度也就是right - left - 1.这样就得到了宽度，我们再取以当前柱子为基准的高度，相乘再取result的最大值即可。找不到右边比其小的柱子，所以无法操作。当前我们遍历到20的时候找不到左边比其小的柱子，就不会进行正常的操作，也就是不会取50这个柱子单独的面积，所以我们应该在开头也加上一个0，以保证正常操作。我们来看如下两种情况。

给定一个整数数组 temperatures ，表示每天的温度，返回一个数组 answer ，其中 answer[i] 是指对于第 i 天，下一个更高温度出现在几天后。对于每个 0 <= i < nums1.length ，找出满足 nums1[i] == nums2[j] 的下标 j ，并且在 nums2 确定 nums2[j] 的。将单调栈的操作用在nums2中，使用递增的单调栈，栈顶永远保持最小的元素，遇到比栈顶大的元素的时候就去nums1中找对应元素的下标，然后存入当前的比其大的值即可。

可以很容易找到递推关系，也就是dp[i][j]是否是回文子串我们只需要先判断s[i] 是否等于s[j]，然后在看dp[i+1][j-1]也就是缩小范围后是否是回文子串，就能推出dp[i][j]依据递推公式我们可以看出，dp[i][j]是由左下角的状态推导而来，故我们应该从下往上，从左往右遍历。当 i == j的时候值为1，其余全部都为0，也就是每个字符串本身是回文子串，其余的全部默认为0。可能上来就会想dp[i][j]定义成，在这个范围内回文子串的个数，这样定义不好找递推关系，定义成。

dp[0][j]同理。dp[i][0] 表示以下标i-1为结尾的字符串和空串相等所需要操作的最少步数，故应该是i，故dp[i][0]=i， dp[0][j]同理。依据递推公式我们可以看出，dp[i][j]是由左边和左上的以及上面的状态推出的，所以我们从上至下，从左向右遍历即可。依据递推公式我们可以看出，dp[i][j]是由左边和左上的以及上面的状态推出的，所以我们从上至下，从左向右遍历即可。dp[i][j]：代表字符串1以i-1下标为结尾的部分和字符串2以j-1为结尾的部分，转换所需要的最小操作数。

故dp[i][j-1]表示以下标i-1为结尾的字符串s，和以下标j-2为结尾的字符串t，相同子序列的长度为dp[i][j-1],也就是我们没有用j-2这个下标的字符，模拟了删除这个字符的操作。dp[i][j] = dp[i][j-1]相当于是删除了当前的下标元素的t中的字符，使其等于前一个没有用当前下标j的字符t的情况。依据递推公式可以看出dp[i][j]依赖于dp[i-1][j-1]和dp[i][j-1]故我们从上到下，从左到右遍历即可。故应该是dp[i][j] = dp[i-1][j-1]+1。

为什么要这样定义呢，方便dp数组的初始化，若dp[i][j]代表从0-i最长公共子序列，那我们dp[0][i]就都得判断，看是否两个对应位置字符相等，来进行初始化。为什么要这样定义呢，方便dp数组的初始化，若dp[i][j]代表从0-i最长公共子序列，那我们dp[0][i]就都得判断，看是否两个对应位置字符相等，来进行初始化。主要就是两大情况： text1[i - 1] 与 text2[j - 1]相同，text1[i - 1] 与 text2[j - 1]不相同。

可以由两个下标 l 和 r（l < r）确定，如果对于每个 l <= i < r，都有 nums[i] < nums[i + 1] ，那么子序列 [nums[l], nums[l + 1], ..., nums[r - 1], nums[r]] 就是连续递增子序列。例如，[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。dp[i][j] ：以下标i - 1为结尾的A，和以下标j - 1为结尾的B，最长重复子数组长度为dp[i][j]。即当A[i - 1] 和B[j - 1]相等的时候，

给定一个整数数组 prices，其中 prices[i]表示第 i 天的股票价格；如果你已经购买了一个股票，在卖出它之前你就不能再继续购买股票了。从递归公式其实已经可以看出，一定是从前向后遍历，因为dp[i]，依靠dp[i - 1]的数值。这里的一笔交易指买入持有并卖出股票的整个过程，每笔交易你只需要为支付一次手续费。dp[i][0]表示持有股票，dp[i][1]表示不持有股票。第一天持有也就是dp[0][0]设置为prices[0]。dp[i][j]:i表示第几天，j表示当天的状态。

dp[i][1]表示第一次买入，dp[i][2]表示第一次卖出。dp[i][3]表示第二次买入，dp[i][3]表示第二次卖出。第二次买入依赖于第一次卖出的状态，其实相当于第0天第一次买入了，第一次卖出了，然后再买入一次（第二次买入），那么现在手头上没有现金，只要买入，现金就做相应的减少。使用二维数组 dp[i][j] ：第i天的状态为j，所剩下的最大现金是dp[i][j]第0天没有操作，这个最容易想到，就是0，即：dp[0][0] = 0;同理第二次卖出初始化dp[0][4] = 0;

那么dp[0][0]表示第0天持有股票，此时的持有股票就一定是买入股票了，因为不可能有前一天推出来，所以dp[0][0] -= prices[0];那么dp[0][0]表示第0天持有股票，此时的持有股票就一定是买入股票了，因为不可能有前一天推出来，所以dp[0][0] -= prices[0];dp[0][1]表示第0天不持有股票，不持有股票那么现金就是0，所以dp[0][1] = 0;dp[0][1]表示第0天不持有股票，不持有股票那么现金就是0，所以dp[0][1] = 0;你也可以先购买，然后在。

一番侦察之后，聪明的小偷意识到“这个地方的所有房屋的排列类似于一棵二叉树”。：你是一个专业的小偷，计划偷窃沿街的房屋。每间房内都藏有一定的现金，影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统，长度为2的数组，dp[0]代表不偷该节点所能得到的最大价值，dp[1]代表偷节点。dp[0]初初始化为第一个房间的钱数量，dp[1]初始化为第一个房间和第二个房间金额最大值。：你是一个专业的小偷，计划偷窃沿街的房屋，每间房内都藏有一定的现金。一个房间只有两个状态，偷or不偷，我们如果偷当前房间，那就是。