qq_42316533的博客

如果在GPU上训练的模型，在CPU上推理测试的话，需要在加载模型时使用map_location。如model = torch.load(“model.pth”, map_location=torch.device(“cpu”))推理过程遇到的错误。

CCF 20220612 寻宝!大冒险！

尝试解题1使用两个列表分表保存nums1与nums2的和、nums3与num4的和遍历这两个列表找到相加为和的个数，即为最后结果超时 21/132class Solution: def fourSumCount(self, nums1: List[int], nums2: List[int], nums3: List[int], nums4: List[int]) -> int: L_12 = [] L_34 = [] for nu.

题解：贪心算法分别设置两个参数l, r（分别表示区间的左端点和右端点），初始化l=points[0][0],r=points[0][1]， res=1（有一个气球就需要一个箭），从下标1开始，遍历points,用（s,e）表示，每一次只保留最小的重叠区间，具体做法是，首先判断上一步保存的最小重叠区间[l,r]是否与当前区间重叠，若r>=s，则有重叠，重叠部分为：最大左端点l = max(l, s)和最小右端点r = min(r, e)，[l,r]更新为当前的重叠空间若r<s,则没有重.

题解：因为测试实例的长度为2*10**4，因此，算法复杂度不能超过nlogn。注意：题意是比较大于等于endi的最小startj，且i，j有可能相等因为每个starti都不同，因此，为方便后续比较，可用哈希表记录每个区间的下标， 使用一个等长的返回数组将intervals按降序顺序排列顺序遍历intervals的s,e,只需将e与当前intervals区间以及之间区间的s进行比较，并且逆序遍历之前的区间，这样方便找比e大且最小的s。找到了下标就利用哈希表添加至相应的位置，没找到就在相应的位置添加.

解析：贪心算法首先对intervals排序，这一步使每个区间的左端点按顺序排列，每一个interval区间的左端点是小于等于下一个interval区间的左端点保证遍历过的每个区间都是不重叠的，也即，上一个interval区间的右端点必须小于等于下一个interval区间的左端点使用变量last_num 表示已遍历过的无重叠的最后一个区间的右端点，初始化last_num为第一个interval区间的右端点，从第二个interval区间开始遍历intervals，比较last_num与当前interv.

1.创建triton docker镜像docker pull nvcr.io/nvidia/tritonserver:21.10-py32.将yolov5m转为onnxA.下载yolov5官方代码B.在运行export.py文件之前，因为onnx必须转成动态的，需要修改dynamic参数，并且根据自己需求修改精度（一般为FP16）。python path/to/export.py --weights yolov5m.pt --img 640 --include onnx --dynamic --

解析：深度优先搜索，从左到右，从上到下，若board[i][j] 为‘X’，战舰数目加一。则继续向下或向右（不继续向上或向左是因为左边的和上边的位置已经遍历过了，若是有战舰相邻，则该位置必不为‘X’），记录一个索引，board[i][j]为始，保持该位置符号不变，继续向下或向右搜索，若有相邻战舰，则相邻战舰位置符号变为‘.’，这样做救恩那个保证最后甲板上只有不相邻的战舰位置符号为’X’，其余位置为’.’，在遍历的过程中同时计数。class Solution: def countBattlesh.

一维数组动态规划题目要求将数组分为两个相等子集的和，那么如果为真，那么这个数组的总和必定是偶数（条件一），且该数组的最大值必不大于该数组和的一半（条件二）。那么该问题即可转化为求解和为是否有和为total = sum(nums) // 2的子数组问题。使用一维数组dp = [False] * (total+1),边界条件：当和为0时，必为真，则dp[0] = True例：求解和为i (i = (1,2,…total))，首先遍历每个num in nums，且，为防止重复，i必须逆序遍历。状态转.

因为时间复杂度未O(n)，因此不能使用排序设3个负无穷的变量a,b,c，依次为当前遍历过的序列中最大、第二大、第三大的数当前元素nums[i]依次与a,b,c比较，若nums[i]大于a，则更新a,b,c,因为最大的值变为了nums[i],那么之前的最大变成了第二大，之前的第二大变成了第三大。同理，若nums[i]大于b，则更新b,c,因为第二大的值变为了nums[i],之前的第二大变成了第三大。若nums[i]大于c，则更新c,第三大的值变成了nums[i]。若有重复元素，则跳过。class S.

贪心算法变量l记录当前遍历位置之前最长的等差数列，每次中断则计算子等差序列中所有的子数组，计算方式为：res = l - k + 1 (k = 3,4,…l) res为子等差序列中所有大于等于3 小于等于l的子数组若中断，则l从零开始等差数列的遍历从下标1开始到下标n-2结束，若任意两个相邻元素之差相同，且l=0 则l+3，否则l+1，例如[1,2,3,4], 初始l=0,从2开始，2满足条件，则l+=3（表示当前子序列为1,2,3），3满足条件，则l+=1（把4的长度加到子序列中）。边界条件.

删除、插入均为二分查找import randomclass RandomizedSet: def __init__(self): self.nums = [] def insert(self, val: int) -> bool: l = 0 r = len(self.nums)-1 while l <= r: mid = (l + r) // 2 if s.

题解：使用贪心算法：记住当前摆动序列的最后一个元素b，明确下一次运算应该大于当前这个元素（conti=True）还是小于这个元素（conti=False）。分四种情况如果conti=True，nums[i] < b,那么b=nums[i]，因为后面的元素更容易大于一个较小的元素，所以conti=True接着比较找更大的数字；如果conti=False，nums[i] > b,那么b=nums[i]，因为后面的元素更容易小于一个较大的元素，所以conti=False接着比较找更大的数字；如.

class Solution: def isNStraightHand(self, hand: List[int], groupSize: int) -> bool: n = len(hand) if n % groupSize != 0: # 须得满足牌的个数是分组的倍数 return False d = {} hand.sort() # 排序 L = [] .

yolov5m.pt 转TensorRT

自顶向下的动态规划class Solution: def minimumTotal(self, triangle: List[List[int]]) -> int: n = len(triangle) f = [[0]*len(triangle[-1]) for i in range(n)] f[0][0] = triangle[0][0] for i in range(1, n): f[i][0] =.

原本以为这又是一道需要dfs的题，没想到行不通，最后找到一种思路——使用动态规划。将所有的str转为int如图所示：蓝圈所指位置是正方形的右下角位置，若能组成正方形，则该位置的左上方所有位置都得是1.由上图可得公式：matrix[i][j] = min(matrix[i-1][j-1], matrix[i-1][j], matrix[i][j-1]) + 1只计算边长，最后返回边长的平方即为面积。class Solution: def maximalSquare(self, ma.

1.准备， 已经训练好的fast_reid配置文件和权重文件这是配置文件这是权重文件此时的权重文件共有282.10MB2.将配置文件转为onnx文件pip install onnxfast_reid代码（https://github.com/JDAI-CV/fast-reid/tree/master/tools/deploy）照着步骤走，先下载fastreid代码，cd 到tools/deploy文件夹下，然后终端运行命令：python onnx_export.py --conf

class Solution(object): def simplifyPath(self, path): """ :type path: str :rtype: str """ # 依照规则写条件代码 path_list = path.split('/') # 将路径以‘/’为分隔符分为列表格式，作为一个一个的操作符 res = [] res.append('/') .

题目解析：每一个位置的路径和 = min（左边经过的路径， 上边经过的路径），加上当前走过的路径。class Solution(object): def minPathSum(self, grid): """ :type grid: List[List[int]] :rtype: int """ m, n = len(grid), len(grid[0]) for i in range(1, n):.