- 博客(7)
- 收藏
- 关注
RSS订阅原创 并查集详解+Leecode相关题集（二）
这里就不对并查集做具体详解了，只列一下我刷题中遇到的关于并查集的题如果对并查集还不清楚的，可以先看：并查集详解+Leecode相关题集（一）这里主要包含了这么几道题程序员面试金典 - 面试题 17.07. 婴儿名字（并查集）每年，政府都会公布一万个最常见的婴儿名字和它们出现的频率，也就是同名婴儿的数量。有些名字有多种拼法，例如，John 和 Jon 本质上是相同的名字，但被当成了两个名字公布出来。给定两个列表，一个是名字及对应的频率，另一个是本质相同的名字对。设计一个算法打印出每个真实名字的实际频率
2020-06-07 10:51:43
223
原创 并查集详解+Leecode相关题集（一）
总结一下最近遇到的 Union-Find 算法，也就是常说的并查集算法，主要是解决图论中「动态连通性」问题的，名词很高端，其实特别好理解，解释如下。关于什么是并查集以及并查集的详解，强烈推荐看这两篇博文，并查集详解（超级简单有趣~~就学会了）（这一篇讲的很通俗易懂，基本上看一遍就懂了）、LeetCode Union-Find(并查集) 专题（一）（这一篇讲的比较专业，还有例题可以看看）本文主要是列举一些本人在刷leecode的时候遇见的一些可以用并查集做的题集。为了不让文章篇幅过长，分为上下文两部分，
2020-06-06 18:58:18
2444
1
原创 前缀树 leecode相关题集练习（二）
212. 单词搜索 II给定一个二维网格 board 和一个字典中的单词列表 words，找出所有同时在二维网格和字典中出现的单词。单词必须按照字母顺序，通过相邻的单元格内的字母构成，其中“相邻”单元格是那些水平相邻或垂直相邻的单元格。同一个单元格内的字母在一个单词中不允许被重复使用。示例:输入:words = [“oath”,“pea”,“eat”,“rain”] and board =[[‘o’,‘a’,‘a’,‘n’],[‘e’,‘t’,‘a’,‘e’],[‘i’,‘h’,‘k’,‘
2020-06-04 17:32:15
269
翻译 前缀树知识点普及 + leecode相关题集练习（一）
前缀树的定义：又称单词查找树，字典树，Trie树，是一种树形结构，是一种哈希树的变种。典型应用是用于统计，排序和保存大量的字符串（但不仅限于字符串），所以经常被搜索引擎系统用于文本词频统计。它的优点是：利用字符串的公共前缀来减少查询时间，最大限度地减少无谓的字符串比较，查询效率比哈希树高。Trie树基本性质.从根到某一个节点,拼接长字符串;一个节点的子节点字符一定不相同Trie提高效率,用空间换时间问题解决：（1）前缀树的构建举个在网上流传颇广的例子，如下：题目：给你100000个长度不超
2020-06-02 23:06:40
312
原创 YOLACT: Real-time Instance Segmentation论文翻译
摘要我们提出了一个简单的完全卷积模型，用于实时实例分割，在单个Titan Xp上以33 fps在MS COCO上实现29.8 mAP，这比以前的任何竞争方法都要快得多。此外，我们只在一个GPU上训练后获得此结果。我们通过将实例分段分成两个并行子任务来实现这一点：（1）生成一组原型掩码和（2）预测每个实例的掩码系数。然后我们通过将原型与掩模系数线性组合来生成实例掩模。我们发现，因为这个过程不依赖于...
2019-05-25 14:06:46
1859
转载 Could not find a version that satisfies the requirement align.detect_face (from versions: )
有时我们使用下载python 自带的pip 安装一些工具包时，会报如下错误 Could not find a version that satisfies the requirement align.detect_face (from versions: )No matching distribution found for align.detect_face找不到满意的版本，这时就是我...
2019-02-25 20:48:31
1597
转载 inception
Inception网络（google公司）——GoogLeNet网络的综述获得高质量模型最保险的做法就是增加模型的深度（层数）或者是其宽度（层核或者神经元数），但是这里一般设计思路的情况下会出现如下的缺陷：1.参数太多，若训练数据集有限，容易过拟合；2.网络越大计算复杂度越大，难以应用；3.网络越深，梯度越往后穿越容易消失，难以优化模型。 解决上述两个缺点的根本方法是将全...
2019-02-17 21:52:02
528
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人