【分蛋糕问题】

刚才看到2个人轮流分蛋糕,怎么分最公平。注意是轮流分,并且每个人都想自己的蛋糕分的最多。
有人说平分不就可以了,但比如先拿蛋糕的人会给自己切最大块,这就不公平了,所以才会有此问题产生。
2个人分蛋糕的一个做法是一个人切蛋糕,另一个拿蛋糕,因为切的人后拿蛋糕,所以他就把蛋糕对半切成两块,先拿的人拿哪一块都一样。这样就均分了。
然后我考虑了下n个人分蛋糕,怎么分最公平?做法也一样,每个人都切1/n块就可以了,这样先拿蛋糕的也只能拿1/n块,这正是先切蛋糕的人希望的。

把问题考虑复杂一点,有可能切的还不均匀。比如想切1/n块但实际切多了或者少了。
这时我想到个很好的思路,保证均匀分配,做法如下:
每个人要么只切下小得不能再小的一块蛋糕,交给下一个人选择,下一个人要么拿最小那块,要么继续切,这样一直循环下去,每个人都把自己切下的蛋糕堆在一起作为一块蛋糕。一直循环切到拿的人认为最小那块蛋糕也差不多够1/n块了就拿。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于ResNet50的多类美味蛋糕问题是一个机器学习的视觉识别任务。ResNet50是经典的深度卷积神经网络模型,可以有效地提取图像的特征并进行类。在这个问题中,我们想要通过ResNet50模型对不同种类的美味蛋糕进行类。 首先,我们需要收集一批含各种美味蛋糕的图像数据集作为训练集。该数据集应该含不同种类的蛋糕图片,如巧克力蛋糕、草莓蛋糕、榴莲蛋糕等。在图像数据集准备好以后,我们需要对数据集进行预处理,如调整图像尺寸、增加数据集的多样性以提高模型的泛化能力。 接下来,我们可以使用预训练的ResNet50模型作为基础模型。这个模型在大规模图像数据集上进行了预训练,可以提取图像的高层次特征。我们可以通过迁移学习的方法将这个模型应用于我们的蛋糕问题中。 在模型训练过程中,我们可以利用训练集对ResNet50进行微调。微调的过程括冻结模型的前几层,只训练模型的最后几层,使其适应我们的蛋糕问题。同时,我们还需要选择适当的损失函数和优化算法来指导模型的训练过程。 在模型训练完成后,我们可以使用验证集对模型进行评估,在验证集上计算模型的准确率、召回率等指标,评估模型的性能。 最后,当模型训练和验证工作完成后,我们可以使用该模型对新的蛋糕图片进行类。将新的蛋糕图片输入到ResNet50模型中,模型会输出该图片属于各个蛋糕类别的概率。根据概率大小,我们可以判断出该蛋糕图片属于哪个类别。 通过上述步骤,我们可以基于ResNet50构建一个多类美味蛋糕类系统。该系统可以对蛋糕图片进行自动类,有助于提高蛋糕生产和销售的效率。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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