Leetcode Median of Two Sorted Arrays

There are two sorted arrays A and B of size m and n respectively. Find the median of the two sorted arrays. The overall run time complexity should be O(log (m+n)).


[code]

public class Solution {
    public double findMedianSortedArrays(int a[], int b[]) {
        int m=a.length, n=b.length, k=(m+n)/2;
        if( (m+n)%2==0 )
        {
            return ( (double)kth(a, 0, m-1, b, 0, n-1, k) + (double)kth(a,0,m-1,b,0,n-1,k+1) )/2;
        }
        else return (double)kth(a,0,m-1,b,0,n-1,k+1);
    }

    int kth( int[]a, int sa, int ea, int[]b, int sb, int eb, int k)
    {
        int m=ea-sa+1, n=eb-sb+1;
        if(m>n)return kth(b,sb,eb,a,sa,ea,k);
        if(m<=0)
        {
            return b[sb+k-1];
        }
        int mida=(sa+ea)/2, midb=(sb+eb)/2;
        int ma=a[mida], mb=b[midb];
        int half=mida+midb-sa-sb+2, offset;

        if(k>half)
        {
            if(ma<mb)
            {
                offset=mida-sa+1;
                return kth(a,mida+1,ea,b,sb,eb, k-offset);
            }
            else
            {
                offset=midb-sb+1;
                return kth(a,sa,ea,b,midb+1,eb,k-offset);
            }
        }
        else if(k<half)
        {
            if(ma<mb)return kth(a,sa,ea,b,sb,midb-1,k);
            else return kth(a,sa,mida-1,b,sb,eb,k);
        }
        else if(k==half)
        {
            if(ma<mb)
            {
                offset=mida-sa+1;
                return kth(a,mida+1,ea,b,sb,midb,k-offset);
            }
            else if(ma>mb)
            {
                offset=midb-sb+1;
                return kth(a,sa,mida,b,midb+1,eb,k-offset);
            }
            else return ma;
        }
        return 0;
    }   
}

[Thoughts]
递归结束条件: 观察loop variant的改变情况.

【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
评论 1
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