179. 最大数

题目描述

点这里

思路分析

自定义排序
相邻项按照字典序排列,最后记得去掉前导0

代码实现

class Solution {
public:
    static bool cmp(int a,int b){
        string sa=to_string(a),sb=to_string(b);
        return sa+sb>sb+sa;
    }
    string largestNumber(vector<int>& nums) {
        sort(nums.begin(),nums.end(),cmp);
        string res;
        for(int i=0;i<nums.size();i++) res+=to_string(nums[i]);
        int k=0;
        while(k+1<res.size()&&res[k]=='0') k++;
        return res.substr(k);
    }
};
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
VGG16是一种常用的卷积神经网络模型,由16层卷积层和全连接层组成,其中每一层都具备有不同的参数个数。具体而言,VGG16的各层参数个数如下: 1. 输入层:没有参数。 2. 卷积层1-1:具有64个卷积核,每个卷积核的大小为3×3,对应的参数个数为3×3×3×64=1,728。 3. 卷积层1-2:同卷积层1-1,具有64个卷积核,对应的参数个数为1,728。 4. 最大池化层1:没有参数。 5. 卷积层2-1:具有128个卷积核,每个卷积核的大小为3×3,对应的参数个数为3×3×64×128=73,728。 6. 卷积层2-2:同卷积层2-1,具有128个卷积核,对应的参数个数为73,728。 7. 最大池化层2:没有参数。 8. 卷积层3-1:具有256个卷积核,每个卷积核的大小为3×3,对应的参数个数为3×3×128×256=294,912。 9. 卷积层3-2:同卷积层3-1,具有256个卷积核,对应的参数个数为294,912。 10. 卷积层3-3:同卷积层3-1,具有256个卷积核,对应的参数个数为294,912。 11. 最大池化层3:没有参数。 12. 卷积层4-1:具有512个卷积核,每个卷积核的大小为3×3,对应的参数个数为3×3×256×512=1,179,648。 13. 卷积层4-2:同卷积层4-1,具有512个卷积核,对应的参数个数为1,179,648。 14. 卷积层4-3:同卷积层4-1,具有512个卷积核,对应的参数个数为1,179,648。 15. 最大池化层4:没有参数。 16. 卷积层5-1:具有512个卷积核,每个卷积核的大小为3×3,对应的参数个数为3×3×512×512=2,359,296。 17. 卷积层5-2:同卷积层5-1,具有512个卷积核,对应的参数个数为2,359,296。 18. 卷积层5-3:同卷积层5-1,具有512个卷积核,对应的参数个数为2,359,296。 19. 最大池化层5:没有参数。 20. 全连接层6:有4,719,616个参数。 21. 全连接层7:具有4096个神经元,对应的参数个数为4,096×4,719,616=16,777,216。 22. 全连接层8:具有4096个神经元,对应的参数个数为4,096×4,096=16,777,216。 23. 输出层:具有1000个神经元,对应的参数个数为4,096×1,000=4,096,000。 综上所述,VGG16的各层参数个数为:1,385,5888。
评论
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

打赏作者

DataPlayerK

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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