m0_73733846的博客

原创 【CSP CCF记录】201909-1 小明种苹果

【代码】【CSP CCF记录】201909-1 小明种苹果。

原创 【CSP CCF记录】202012-2 期末预测之最佳阈值

前缀和、结构体的应用

原创 【CSP CCF记录】201912-1 报数

判断整除；判断各位数数值

原创 【CSP CCF】202104-2 邻域均值

前缀和、边界判断

原创 【CSP CCF记录】202006-1 线性分类器

结构体，点与直线位置关系的判断

原创 【CSP CCF记录】202009-1 称检测点查询

结构体使用。Sort函数使用。一一对应的排序。

原创 【CSP CCF记录】202012-1 期末预测之安全指数

【代码】【CSP CCF记录】202012-1 期末预测之安全指数。

原创 【CSP CCF记录】202109-2 非零段划分

岛屿情况解题；STL库用法，unique函数用法

原创 【CSP CCF记录】202104-1 灰度直方图

【代码】【CSP CCF记录】202104-1 灰度直方图。

原创 【CSP CCF记录】数组推导

最大值big和最小值small根据不同情况相加。

原创 【CSP CCF记录】202112-2 序列查询新解

运行错误，得70分，一开始以为提示中说error会很大，所以把所有的int类型改成了long long类型，但是并没有什么用，样例测试都正确但仍然70分。重新开辟数组 ，这次是运行超时，70分。推测之前是数据太大爆了。

原创 【CSP CCF记录】202112-1 序列查询

在每次输入A[i]时就填好部分f[j]，然后直接进行查询。暴力求解，运行超时，50分。

原创 【CSP CCF记录】202203-2 出行计划

如第5条出行计划，t=35,c=24，在[12,35]之间拿到核酸结果则可以正常出行，则a[12]=1,a[13]=1...a[35]=1。同时，像t=5,c=24这样的情况，最早也只能在0时刻取得核酸结果，因此时间区间的开始时刻改为start=max(t-c+1,0)输入查询q，代表q时刻做核算，得到核酸的时间为q+k，只需读取a[q+k]即可得知在这个时刻拿到核酸结果可以满足几条出行计划。一开始设置a[100001]，运行超时，后来按照参考代码就正确了，没想明白，，，，对不等式进行变换可得。

原创 【CSP CCF记录】202203-1 未初始化警告！

采用两个数组分别记录左值和右值，每输入一条赋值语句在左值数组中寻找右值是否出现过。但两层循环时间复杂度高，运行超时。采用一个数组记录已赋值的变量。

原创 【CSP CCF记录】202206-2 寻宝！大冒险！

依据条件，从绿化图中第一棵树的坐标开始区域遍历。统计绿化图与藏宝图中一一对应的树的棵数sum，在进行区域比对前，判断该区域树的数量是否等于sum，不等的话直接跳过该区域。3.原宝藏图位置[j][k]有树，从绿化图位置计算[j][k]有树，推测情况与真实情况相符，保留；3.将绿化图中的每一棵树的坐标（x,y）作为（0,0）点，其它树的坐标（xx，yy）对应藏宝图中坐标（xx-x，yy-y）。2.原宝藏图位置[j][k]没有树，从绿化图位置计算[j][k]有树，推测情况与真实情况不符，舍弃。

原创 【CSP CCF记录】202206-1 归一化处理：fixed和setprecision的使用

使用fixed和setprecision控制输出格式。注意输出精度，小数保留16位。

原创 【CSP CCF记录】202209-2 何以包邮

本质上就是从i各物品中选择一定数量的物品在一定空间限制的前提下，求这些物品的最大总价值。我们可以定义一个二维数组dp[i][j]，这个数组的值就表示从前i件物品进行选择，在不超过容量j的前提下所满足最大的物品总价值。

原创 【CSP CCF记录】202209-1 如此编码

当a和被b均为int, long, char这样的整数类型，此时除法运算的结果为所得商的整数部分，例如：180/100，结果为1；当a和b中有一个或两个都是小数(float,double)型的数，其商的结果为实际结果。例如：180.0/100，结果为1.8；

原创 【CSP CCF记录】202212-1 现值计算

C++数据类型和取值范围。

原创 【CCF CSP记录】202303-2 垦田计划

例如，原本最大耗时为7天，缩短到6天后，原本开垦时长为7天的区域就变为了开垦时长为6天的区域，这时候开垦时长为6天的区域就增加了，所以再降低一天所需的资源数也要增加相应的值。所以，我们先记录初始时的最大耗时maxtime，然后以maxtime为起点，逐天降低最大耗时，当到某一天剩余资源无法再将当前最大耗时降低一天或者最大耗时已经降低到最少开垦天数时，循环结束。总耗时取决于耗时最长的区域，我们只需用资源把最大耗时降到最小，就等同于将最终的开垦天数降到最小。

原创 【CCF CSP记录】202303-1 田地丈量

【代码】【CCF CSP记录】202303-1 田地丈量。

原创 【CCF CSP记录】202305-2 矩阵运算

有效地减少了计算时间，特别是在处理长序列时。这种优化通常在数据维度一不等时有显著效果，特别是当序列长度显著大于向量维度时。关键：通过改变计算顺序优化时间复杂度。

原创 【CCF CSP记录】202305-1 重复局面

利用map键值唯一的性质，将棋盘局面（包含64各字符的字符串string）设置为键值，将该局面是第几次出现设置为数据值，即map<string, int> status_map;每次输入新的棋盘局面，就通过键值一步对比出是否重复，若重复，数据值+1；map.count(“amy”) //查看map中键值为amy的键值对有几个，只能为1或0，因为map键值唯一。map是C++中STL中的一个关联容器，以键值对来存储数据，数据类型自己定义。同时map是一对一的，具体就是键值是唯一的，跟哈希表的概念差不多。

原创 【CCF CSP记录】 202309-2 坐标变换（其二）

使用setprecision语句需要包含头文件。使用fixed语句需要包含头文件。那么无论输入的是整数还是浮点数，最终在输出的时候。这个语句的作用是，控制。

原创 【CCF CSP记录】202309-1 坐标变换（其一）

【代码】【CCF记录】202309-1 坐标变换（其一）

原创 【CCF CSP记录】202312-2 因子化简

2、循环，从j=2开始依次向后判断，可以被n除尽则就是n的一个素因子，n也相应缩小j倍。在此说明，除完2开始除3，然后是4，4一定不能被整除，因为如果能被4整除则一定会被2整除，后面的也是这样。3、再说一下循环结束条件一定是n，n的大小一直在成倍的缩小，而除数的值永远都不能大于n，因此循环判断条件为j

原创 【CCF CSP记录】202312-1 仓库规划

【代码】【CCF记录】202312-1 仓库规划。

原创 【问题】记录Unity+Vuforia环境配置

3.下载10.3.2插件压缩包。Window>Package Manager>Add package from tarball，找到压缩包位置，导入。4. 在Game Object下找到Vuforia Engine插件，导入成功。2.在官网下载最新10.21插件，导入后报错，考虑是Unity和插件版本不匹配。Unity版本2020.3.48f1c1，添加Android开发模块。1.根据网上教程在Window>Package Manager没找到。其中，keystore生成可参考。在安卓系统上安装应用。

原创 【问题】清理使用conda导致的内存占用

重新配置了环境python3.8+pytorch1.12，C盘内存告急，发现下图文件夹中存在之前下载过又但未使用的包，考虑该文件夹中的内容是否可以删除。这个命令会检查哪些包没有在包缓存中被硬依赖到其他地方，并删除它们。输入 conda clean -t 清理缓存的压缩包文件。下的包进行搜索，不用再进入其他环境重复操作。输入 conda clean -p。检查出18.47G缓存。

原创 12 权重衰退【动手学深度学习学习笔记】

原创 11 模型选择+过拟合和欠拟合【动手学深度学习学习笔记】

模型容量即模型复杂度，复杂模型可以学习更复杂的函数。

原创 10 多层感知机+代码实现 【动手学深度学习学习笔记】

无论怎么切都无法在一条线把整个数据分类。

原创 09 Softmax回归+损失函数+图片分类数据集【动手学深度学习学习笔记】

综合上述两者优点，当预测值和真实值相差较大时，采用绝对值误差，当预测值和真实值相距较近时，采用平方误差。蓝色曲线：y=0时，变换预测值y'，看出是一个二次函数。橙色曲线：损失函数梯度，穿过原点的一次函数。优：当预测值和真实值相差较大时，稳定性较好。除以2当l求导数时2和1/2抵消。绿色曲线：似然函数，高斯分布。

原创 08 线性回归+基础优化算法【动手学深度学习学习笔记】

反向传播是神经网络中用于调整权重和偏置的一种方法，它通过计算损失函数对网络参数的导数，从输出层向输入层进行梯度的反向传播。具体而言，反向传播算法将先计算输出层的梯度，然后逐层向前传递梯度，通过链式法则计算每一层的梯度，最终更新网络参数以减小损失函数。在正向传播过程中，每一层的神经元将通过权重和激活函数将输入信号传递给下一层的神经元，直到到达输出层生成最终的输出结果。在神经网络中，反向传播算法是一种非常重要的方法，它能够有效地将误差从输出层传递回输入层，实现网络参数的优化和训练。

原创 06、07 微积分和自动求导【动手学深度学习学习笔记】

梯度和等高线正交，指向值变化最大的方向。

原创 05线性代数 【动手学深度学习v2学习笔记】

向量或轴的维度：向量或轴的长度，即向量或轴的元素数量。张量某个轴的维数就是这个轴的长度。向量是标量的推广，矩阵是向量的推广，张量是具有更多轴的的数据结构。具有一个轴的张量表示向量。.shape属性可以访问向量的长度。形状：元素组，列出了张量沿每个轴的长度（维数）张量的维度：张量具有的轴数。

原创 04 数据操作+数据预处理 【动手学深度学习学习笔记】

可以把多个张量连接在一起，把它们端对端地叠起来形成一个更大的张量。我们只需提供张量的列表，并给出沿哪个轴连接。按行轴为0，按列轴为1。（1）通过适当复制元素来扩展一个或两个数组，以便在转换后，两个张量具有相同的形状。（2）对生成的数组执行按元素操作。