vox520的博客

给你一个非负整数数组 nums ，你最初位于数组的 第一个下标。数组中的每个元素代表你在该位置可以跳跃的最大长度。判断你是否能够到达最后一个下标，如果可以，返回 true；否则，返回 false。示例 1：输入：nums = [2,3,1,1,4]输出：true解释：可以先跳 1 步，从下标 0 到达下标 1, 然后再从下标 1 跳 3 步到达最后一个下标。示例 2：输入：nums = [3,2,1,0,4]输出：false解释：无论怎样，总会到达下标为 3 的位置。

对拆分后的语句x = [batch_size, seq_len]进行以下操作PEposi​sinpos/100002idmodel​PEposi​cospos/100002idmodel​dmodel​通过输入部分。

给你一个 无重复元素 的整数数组 candidates 和一个目标整数 target ，找出 candidates 中可以使数字和为目标数 target 的 所有 不同组合 ，并以列表形式返回。你可以按 任意顺序 返回这些组合。candidates 中的 同一个 数字可以 无限制重复被选取。如果至少一个数字的被选数量不同，则两种组合是不同的。对于给定的输入，保证和为 target 的不同组合数少于 150 个。为了去重，需使用idx来约束每轮的终点有了 4 3 2 后就不能出现 2 3 4。

hidden_size: 每一层LSTM单元的数量num_layers: RNN中LSTM的层数batch_first: True对应[batch_size, seq_len, embedding_dim]bidiectional: True对应使用双向LSTM实例化LSTM对象后，不仅要传入数据，还有传入前一次的h_0和c_0LSTM默认输出(output, (h_n, c_n))

AclImdb – v1 Dataset 是用于二进制情绪分类的大型电影评论数据集，其涵盖比基准数据集更多的数据，其中有 25,000 条电影评论用于训练，25,000 条用于测试，还有其他未经标记的数据可供使用。

tokenization：分词每一个词语都是token：转为单个词、转为多个词语。

给你一个链表，两两交换其中相邻的节点，并返回交换后链表的头节点。你必须在不修改节点内部的值的情况下完成本题（即，只能进行节点交换）。

给定一个二分图，其中左半部包含 n1 个点（编号 1∼n1），右半部包含 n2 个点（编号 1∼n2），二分图共包含 m 条边。数据保证任意一条边的两个端点都不可能在同一部分中。请你求出二分图的最大匹配数。二分图的匹配：给定一个二分图 G，在 G 的一个子图 M 中，M 的边集 {E} 中的任意两条边都不依附于同一个顶点，则称 M 是一个匹配。二分图的最大匹配：所有匹配中包含边数最多的一组匹配被称为二分图的最大匹配，其边数即为最大匹配数。输入格式第一行包含三个整数 n1、 n2 和 m。

给定一个长度为 n 的整数数组 height。有 n 条垂线，第 i 条线的两个端点是 (i, 0) 和 (i, height[i])。找出其中的两条线，使得它们与 x 轴共同构成的容器可以容纳最多的水。返回容器可以储存的最大水量。说明：你不能倾斜容器。

给定一个 n 个点 m 条边的无向图，图中可能存在重边和自环。请你判断这个图是否是二分图。输入格式第一行包含两个整数 n 和 m。接下来 m 行，每行包含两个整数 u 和 v，表示点 u 和点 v 之间存在一条边。输出格式如果给定图是二分图，则输出 Yes，否则输出 No。

随机变量取值为离散的（有限或者可列）Fx∫−∞xfuduFx∫−∞x​fuduF(x)为连续函数fxf(x)fx为XXXfx≥0fx≥0∫−∞∞fxdx1∫−∞∞​fxdx1Px1X≤x2Fx2−x1Px1​X≤x2​Fx2​−x1​若fxf(x)fx在xxx点连续，F′xfxF′xfx注PXa0。

【代码】【数据结构与算法】Kruskal最小生成树。

给定一个 n 个点 m 条边的有向图，图中可能存在重边和自环， 边权可能为负数。请你判断图中是否存在负权回路。输入格式第一行包含整数 n 和 m。接下来 m 行每行包含三个整数 x,y,z，表示存在一条从点 x 到点 y 的有向边，边长为 z。输出格式如果图中存在负权回路，则输出 Yes，否则输出 No。数据范围1≤n≤2000,1≤m≤10000,图中涉及边长绝对值均不超过 10000。

给定一个 n 个点 m 条边的有向图，图中可能存在重边和自环， 边权可能为负数。请你求出 1 号点到 n 号点的最短距离，如果无法从 1 号点走到 n 号点，则输出 impossible。数据保证不存在负权回路。输入格式第一行包含整数 n 和 m。接下来 m 行每行包含三个整数 x,y,z，表示存在一条从点 x 到点 y 的有向边，边长为 z。输出格式输出一个整数，表示 1 号点到 n 号点的最短距离。如果路径不存在，则输出 impossible。

给定一个 n 个点 m 条边的有向图，图中可能存在重边和自环，所有边权均为正值。请你求出 1 号点到 n 号点的最短距离，如果无法从 1 号点走到 n 号点，则输出 −1。输入格式第一行包含整数 n 和 m。接下来 m 行每行包含三个整数 x,y,z，表示存在一条从点 x 到点 y 的有向边，边长为 z。输出格式输出一个整数，表示 1 号点到 n 号点的最短距离。如果路径不存在，则输出 −1。

给定一个 n 个点 m 条边的有向图，点的编号是 1 到 n，图中可能存在重边和自环。请输出任意一个该有向图的拓扑序列，如果拓扑序列不存在，则输出 −1。若一个由图中所有点构成的序列 A 满足：对于图中的每条边 (x,y)，x 在 A 中都出现在 y 之前，则称 A 是该图的一个拓扑序列。输入格式第一行包含两个整数 n 和 m接下来 m 行，每行包含两个整数 x 和 y，表示存在一条从点 x 到点 y 的有向边 (x,y)。输出格式。

给定一个 n 个点 m 条边的有向图，图中可能存在重边和自环。所有边的长度都是 1，点的编号为 1∼n。请你求出 1 号点到 n 号点的最短距离，如果从 1 号点无法走到 n 号点，输出 −1。输入格式第一行包含两个整数 n 和 m。接下来 m 行，每行包含两个整数 a 和 b，表示存在一条从 a 走到 b 的长度为 1 的边。输出格式输出一个整数，表示 1 号点到 n 号点的最短距离。

存储方式。

NCF框架是本文要实现的3个模型的主体结构。首先是输入层，分别包含两个特征向量vu​和vi​，描述了用户u和物品i。输入仅由一个用户向量和一个物品向量构成，它们分别是以one-hot编码的二值化稀疏向量。接着是Embedding层，这是一个全连接层，用于将输入层的系数向量表示成一个稠密向量。接着用户和物品的embedding向量被送入多层神经网络架结构中，这一层叫做神经协同过滤层(Neural CF Layer)，它用于将潜在特征向量映射成预测分数(Score)。

标签是(64) ，需要将其转为one-hot编码(64,10)一层全连接网络，最后使用softmax转概率值输出。使用均方误差损失函数，梯度下降优化。训练时注意最后输出(64,10)读入数据并转为tensor向量。调用模型 训练10次。