Sssserein-CSDN博客

class Solution { public TreeNode buildTree(int[] inorder, int[] postorder) { return buildChirldTree(inorder, 0, inorder.length, postorder, 0, postorder.length); } public TreeNode buildChirldTree(int[] inorder, int inleft, int inright, i

2022-06-08 09:58:16 114

原创 leetcode--二叉树1

二叉树的层序遍历给你二叉树的根节点 root ，返回其节点值的层序遍历。(即逐层地，从左到右访问所有节点）。示例 1：输入：root = [3,9,20,null,null,15,7]输出：[[3],[9,20],[15,7]]示例 2：输入：root = [1]输出：[[1]]示例 3：输入：root = []输出：[]/** * Definition for a binary tree node. * public class TreeNode { * int .

2022-05-30 20:50:39 622

原创 leetcde--栈与队列

有效的括号给定一个只包括 ‘(’，‘)’，‘{’，‘}’，‘[’，‘]’ 的字符串 s ，判断字符串是否有效。有效字符串需满足：左括号必须用相同类型的右括号闭合。左括号必须以正确的顺序闭合。示例 1：输入：s = “()”输出：true示例 2：输入：s = “()[]{}”输出：true示例 3：输入：s = “(]”输出：false示例 4：输入：s = “([)]”输出：false示例 5：输入：s = “{[]}”输出：trueclass Solution.

2022-05-26 14:37:15 98

原创 leetcode--字符串

反转字符串编写一个函数，其作用是将输入的字符串反转过来。输入字符串以字符数组 s 的形式给出。不要给另外的数组分配额外的空间，你必须原地修改输入数组、使用 O(1) 的额外空间解决这一问题。示例 1：输入：s = [“h”,“e”,“l”,“l”,“o”]输出：[“o”,“l”,“l”,“e”,“h”]示例 2：输入：s = [“H”,“a”,“n”,“n”,“a”,“h”]输出：[“h”,“a”,“n”,“n”,“a”,“H”]class Solution { public .

2022-05-24 09:29:14 146

原创 leetcode---三数之和&&四数之和

三数之和给你一个包含 n 个整数的数组 nums，判断 nums 中是否存在三个元素 a，b，c ，使得 a + b + c = 0 ？请你找出所有和为 0 且不重复的三元组。注意：答案中不可以包含重复的三元组。示例 1：输入：nums = [-1,0,1,2,-1,-4]输出：[[-1,-1,2],[-1,0,1]]示例 2：输入：nums = []输出：[]示例 3：输入：nums = [0]输出：[]class Solution { public List<L.

2022-05-19 09:13:56 89

原创 leetcode--回溯算法

员工的重要性给定一个保存员工信息的数据结构，它包含了员工唯一的 id ，重要度和直系下属的 id 。比如，员工 1 是员工 2 的领导，员工 2 是员工 3 的领导。他们相应的重要度为 15 , 10 , 5 。那么员工 1 的数据结构是 [1, 15, [2]] ，员工 2的数据结构是 [2, 10, [3]] ，员工 3 的数据结构是 [3, 5, []] 。注意虽然员工 3 也是员工 1 的一个下属，但是由于并不是直系下属，因此没有体现在员工 1 的数据结构中。现在输入一个公司的.

2022-05-19 09:11:50 124

原创 leetcode--贪心算法

贪心算法选择排序就是贪心算法的经典实现分割平衡字符串在一个平衡字符串中，‘L’ 和 ‘R’ 字符的数量是相同的。给你一个平衡字符串 s，请你将它分割成尽可能多的平衡字符串。注意：分割得到的每个字符串都必须是平衡字符串，且分割得到的平衡字符串是原平衡字符串的连续子串。返回可以通过分割得到的平衡字符串的最大数量。示例 1：输入：s = “RLRRLLRLRL”输出：4解释：s 可以分割为 “RL”、“RRLL”、“RL”、“RL” ，每个子字符串中都包含相同数量的 ‘L’ 和 ‘

2022-03-30 14:59:08 514

原创 17.电话号码的字母组合

17.电话号码的字母组合给定一个仅包含数字 2-9 的字符串，返回所有它能表示的字母组合。答案可以按任意顺序返回。给出数字到字母的映射如下（与电话按键相同）。注意 1 不对应任何字母。示例 1：输入：digits = “23”输出：[“ad”,“ae”,“af”,“bd”,“be”,“bf”,“cd”,“ce”,“cf”]示例 2：输入：digits = “”输出：[]示例 3：输入：digits = “2”输出：[“a”,“b”,“c”]class Solutio

2021-08-08 15:54:24 113

原创 127. 单词接龙

127.单词接龙字典 wordList 中从单词 beginWord 和 endWord 的转换序列是一个按下述规格形成的序列：序列中第一个单词是 beginWord 。序列中最后一个单词是 endWord 。每次转换只能改变一个字母。转换过程中的中间单词必须是字典 wordList 中的单词。给你两个单词 beginWord 和 endWord 和一个字典 wordList ，找到从 beginWord 到 endWord 的最短转换序列中的单词数目。如果不存在这样的转换序列，返

2021-08-08 10:37:33 97

原创 994. 腐烂的橘子

994. 腐烂的橘子在给定的网格中，每个单元格可以有以下三个值之一：值 0 代表空单元格；值 1 代表新鲜橘子；值 2 代表腐烂的橘子。每分钟，任何与腐烂的橘子（在 4 个正方向上）相邻的新鲜橘子都会腐烂。返回直到单元格中没有新鲜橘子为止所必须经过的最小分钟数。如果不可能，返回 -1。示例 1：输入：[[2,1,1],[1,1,0],[0,1,1]]输出：4示例 2：输入：[[2,1,1],[0,1,1],[1,0,1]]输出：-1解释：左下角的橘子（第 2 行，第 0

2021-08-08 09:40:13 91

原创 429. N 叉树的层序遍历

429. N 叉树的层序遍历给定一个 N 叉树，返回其节点值的层序遍历。（即从左到右，逐层遍历）。树的序列化输入是用层序遍历，每组子节点都由 null 值分隔（参见示例）。示例 1：输入：root = [1,null,3,2,4,null,5,6]输出：[[1],[3,2,4],[5,6]]示例 2：输入：root = [1,null,2,3,4,5,null,null,6,7,null,8,null,9,10,null,null,11,null,12,null,13,null,nu

2021-08-07 17:42:39 285

原创 200.岛屿数量

200.岛屿数量给你一个由 ‘1’（陆地）和 ‘0’（水）组成的的二维网格，请你计算网格中岛屿的数量。岛屿总是被水包围，并且每座岛屿只能由水平方向和/或竖直方向上相邻的陆地连接形成。此外，你可以假设该网格的四条边均被水包围。示例 1：输入：grid = [[“1”,“1”,“1”,“1”,“0”],[“1”,“1”,“0”,“1”,“0”],[“1”,“1”,“0”,“0”,“0”],[“0”,“0”,“0”,“0”,“0”]]输出：1示例 2：输入：grid = [[“1

2021-08-07 15:22:12 247

原创 2021-08-07

130.被围绕的区域给你一个 m x n 的矩阵 board ，由若干字符 ‘X’ 和 ‘O’ ，找到所有被 ‘X’ 围绕的区域，并将这些区域里所有的 ‘O’ 用 ‘X’ 填充。示例 1：输入：board = [[“X”,“X”,“X”,“X”],[“X”,“O”,“O”,“X”],[“X”,“X”,“O”,“X”],[“X”,“O”,“X”,“X”]]输出：[[“X”,“X”,“X”,“X”],[“X”,“X”,“X”,“X”],[“X”,“X”,“X”,“X”],[“X”,“O”,“X”,“

2021-08-07 15:03:08 108

原创 leetcode---733. 图像渲染

733.图像渲染有一幅以二维整数数组表示的图画，每一个整数表示该图画的像素值大小，数值在 0 到 65535 之间。给你一个坐标 (sr, sc) 表示图像渲染开始的像素值（行，列）和一个新的颜色值 newColor，让你重新上色这幅图像。为了完成上色工作，从初始坐标开始，记录初始坐标的上下左右四个方向上像素值与初始坐标相同的相连像素点，接着再记录这四个方向上符合条件的像素点与他们对应四个方向上像素值与初始坐标相同的相连像素点，……，重复该过程。将所有有记录的像素点的颜色值改为新的颜色值

2021-08-07 10:16:07 86

原创测试学习3----软件自动化测试Selenium3

测试学习3----软件自动化测试Selenium3一、定位checkboximport osfrom selenium import webdriverimport timebrowser = webdriver.Firefox()file_path = 'file:///'+os.path.abspath("")browser.get(file_path)browser.maximize_window()# 定位一组元素inputs = browser.find_element_

2021-07-28 18:43:05 132

原创测试学习1----软件自动化测试Selenium1

测试学习1----软件自动化测试Selenium一、自动化测试：是将手工需要做的事情写成自动化脚本，让机器执行该脚本以解放双手，提高测试效率。自动化脚本价值：复用率越高，越有价值常见的自动化测试工具：QTP：重量级、收费RationalRobot：快速回归测试jmeter :性能测试工具，可进行接口测试LoaderRunner:性能测试工具soupui&postman：接口测试工具appium:APP自动化测试工具（iOS Android）

2021-07-28 09:42:57 196

原创测试学习2----软件自动化测试Selenium2

测试学习9----软件自动化测试Selenium2一、元素的定位 1. 对象的定位应该是自动化测试的核心，要想操作一个对象，首先应该识别这个对象。一个对象就是一个人一样，他会有各种的特征（属性），如比我们可以通过一个人的身份证号，姓名，或者他住在哪个街道、楼层、门牌找到这个人。那么一个对象也有类似的属性，我们可以通过这个属性找到这对象。注意：不管用那种方式，必须保证页面上该属性的唯一性 2. webdriver 提供了一系列的对象定位方法，常用的有以下几种：idname

2021-07-28 09:40:31 75

原创 PyTorch学习7--Seq2Seq + Attention

Seq2Seq在Seq2Seq结构中，编码器Encoder把所有的输入序列都编码成一个统一的语义向量Context，然后再由解码器Decoder解码。在解码器Decoder解码的过程中，不断地将前一个时刻 [公式] 的输出作为后一个时刻 [公式] 的输入，循环解码，直到输出停止符为止。Encoder 是一个 GRUDecoder 也是一个 GRU训练采用cross entropy loss，与语言模型类似与经典RNN结构不同的是，Seq2Seq结构不再要求输入和输出序列有相同的时间长度！注

2021-07-08 10:07:39 277

原创 PyTorch学习6--GAN

生成式对抗网络（GAN, Generative Adversarial Networks ）一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中（至少）两个模块：生成模型（Generative Model）和判别模型（Discriminative Model）的互相博弈学习产生相当好的输出。原始 GAN 理论中，并不要求 G 和 D 都是神经网络，只需要是能拟合相应生成和判别的函数即可。但实用中一般均使用深度神经网络作为 G 和 D 。一个优秀的GAN应用需要有良好的训练方法，

2021-07-08 09:48:38 265 1

原创 PyTorch学习5--图像分类及图像风格迁移

图像分类是什么？图像分类，顾名思义，是一个输入图像，输出对该图像内容分类的描述的问题。它是计算机视觉的核心，实际应用广泛。图像分类的传统方法是特征描述及检测，这类传统方法可能对于一些简单的图像分类是有效的，但由于实际情况非常复杂，传统的分类方法不堪重负。现在，我们不再试图用代码来描述每一个图像类别，决定转而使用机器学习的方法处理图像分类问题。主要任务是给定一个输入图片，将其指派到一个已知的混合类别中的某一个标签。...

2021-07-08 09:33:28 520 1

原创 Pytorch学习4--卷积神经网络

卷积神经网络卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一。卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，因此也被称为“平移不变人工神经网络"。将一个全连接网络作用在局部特征上进行抽取简单来说，就是将局部的、小区域的特征取出来做一个线性变换池化定义一个基于ConvNet的

2021-07-07 16:04:43 148

原创 Pytorch学习3--文本分类

文本分类能做什么？识别垃圾邮件、情感分析、主题分类等文本分类在文本处理中是很重要的一个模块，它的应用也非常广泛，比如：垃圾过滤，新闻分类，词性标注等等。它和其他的分类没有本质的区别，核心方法为首先提取分类数据的特征，然后选择最优的匹配，从而分类。但是文本也有自己的特点，根据文本的特点，文本分类的一般流程为：预处理；文本表示及特征选择；构造分类器；分类。分类问题模型：分类器分类器是一个函数f，这个函数拿到输入x然后输出类别y。情感分析通常来讲，文本分类任务是指在给定的分类体系中，将文本指定分到某

2021-07-07 09:52:51 1867

原创 Pytorch学习2--词向量

在计算机中表示一个词的问题：不能分辨细节差别；需要大量人为干预；偏向主观；无法发现新词；难以精确计算词之间的相似度词表示发展：离散表示词向量表示One-hot：一个词可以表示为One-Hot 向量（一维为1 其余维为0的向量），也叫局部表示。离散表示的缺点是词与词之间没有距离的概念，与事实不符文本表示Bag of words 词袋模型: 文本可以看作是一句话，或者几句话组成的短文本。文本表示就是将一段短文本表示为向量。词袋模型是一种非常经典的文本表示。顾名思义，它就是将字符串视为一

2021-07-07 09:12:47 384 2

原创 PyTorch学习1--简单神经网络实现

PyTorch是什么？PyTorch是一个基于Python的科学计算库，有以下特点：类似于NumPy，但是它可以使用GPU可以用它定义深度学习模型，可以灵活进行深度学习模型的训练及使用以下为简单示例：import torch# 构造一个未初始化的 5 * 3 矩阵torch.empty(5, 3)# 构建一个随机初始化的矩阵x = torch.rand(5, 3)# 构造一个全都为0，类型为long的矩阵x = torch.zeros(5, 3)x.dtype热身: 用nu

2021-07-06 20:16:38 239 4

原创概念理解（机器学习、神经网络、深度学习、PyTorch）

机器学习是什么？定义：机器学习是指用某些算法指导计算机利用已知数据得出适当的模型，并利用此模型对新的情境给出判断的过程。模型：给定一个输入需要返回一个输出。本质上是一个函数，其作用是实现从一个样本x到样本的标记值 Y的映射，即f(x)->Y。预测：当给一张新图片或者一句新的话，预测想要预测的结果.学习：本质上就是优化参数的过程，使其在某问题上得到优化提升神经网络是什么？神经网络简单点将就是由好多个神经元组成的系统。这是模拟人类的神经网络。如果一个神经元是一个函数，那么神经网络就是一

2021-07-06 18:06:16 334

原创感知机、线性回归

感知机感知机是一个二分类的线性模型。描述：可以为任何问题，比如空气质量是否达标问题。在二维平面上是可以找到一条直线将该两种情况分离，此时再输入数据，判断该样本是在直线哪边，从而判断该样本是否达标。...

2021-04-17 10:14:36 977 1

原创关于Spring

SpringIoC(控制反转容器):设计原则,用来降低计算机代码之间的耦合度,最常见就是依赖注入,对象生命周期不再由程序管理,而是交给Spring的Bean容器在程序开发中,实例的创建不再由调用者管理,而是由Spring容器管理,它负责控制程序之间的关系,而不由程序代码直接控制.控制权由程序代码转移到了Spring容器中,控制权发生了反转,这就是Spring的LoC思想DI:DI含义:依赖注入,为Bean对象注入依赖属性实现方式:属性注入,构造方法注入框架使用流程:加载配置文件

2021-04-17 10:13:39 66

原创关于TCP那些小事儿

滑动窗口（处于发送端）:窗口大小是指无需等待确认应答而可以继续发送数据的最大值,例如窗口大小是4000个字节(4个段)ACK响应报文中，携带的下一个序号表示在此序号之前所有数据都以接收到发送前4个段时,不需要等待任何ACK,直接发送收到第一个ACK后,滑动窗口向后移动,继续发送第五个数据,以此类推操作系统内核为维护这个滑动窗口,需要开辟发送缓冲区来记录当前还有那些没有应答,只有确认应答过的数据,才能从缓冲区删掉窗口越大,网络的吞吐率越高窗口滑动：依赖ACK响应报文中的下一个序号进行滑动，而

2021-04-17 10:12:17 178

原创 Linux小操作

cmd命令指令操作对应Lunix指令cd目录切换(大盘符切换使用"盘符" D:)ipconfig显示网卡信息ifconfigping查看是否能连接目的IPcls清空当前显示内容clear特殊进程指令任务services.msc系统服务regedit注册表特殊关注(相对路径)指令操作./当前路径…/上一级路径Linux指令参数可以合并在一起，也可以分开。指令

2021-03-02 20:40:06 59 1

原创 JVM&&线程知识碎片

JVM线程私有的内存区域**程序计数器:**一块较小的内存空间(可看作当前线程所执行的字节码的行号指示器)Java虚拟机栈:1.和线程相关,不同线程内,即使运行同一个方法,也处于不同内存2.和方法有关,即使是同一个线程,递归调用某个方法,每次调用都会生成该次方法调用的方法栈桢.每个方法执行的时候,都会创建一个栈帧用于储存局部变量表,操作数栈.每一个方法从调用直至执行完成的过程,就对应一个栈帧在虚拟机栈中入栈和出栈的过程.会产生的异常:1.如果线程请求的栈深度大于虚拟机所允许的深度,将会抛出S

2021-03-02 20:38:21 69

原创分类学习笔记（一）

分类#mermaid-svg-UzJc1iGQRm3VhJ9g .label{font-family:'trebuchet ms', verdana, arial;font-family:var(--mermaid-font-family);fill:#333;color:#333}#mermaid-svg-UzJc1iGQRm3VhJ9g .label text{fill:#333}#mermaid-svg-UzJc1iGQRm3VhJ9g .node rect,#mermaid-svg-UzJc1iG

2021-03-01 10:24:34 174

空空如也

空空如也