这么讨论算法很有问题

update:有道有两道题,这里特指第一道题,因为我没仔细看第二题。

这几天有道的两个题目成了讨论的焦点,大家贡献了一些解法,贴出了自己的代码,还引出了算法重不重要、要不要OO一下的讨论。在我看来,这几天的讨论是有问题的。首先,算法有没有意义,重不重要?

 

可以肯定的是,算法是重要的。他是计算机科学的重要组成部分,广义的说任何程序逻辑都是算法,程序=数据结构+算法 这一公式仍然成立,不管是不是OO。这个是不需要讨论的,那些持“算法不重要”看法的人,其实也是在说一个度的问题,到底在算法上下多大的功夫,是要有一个比例的,不能光知道算法就行了。

其次,要不要OO?

这个要看具体的算法和使用算法的要求了。就这几天讨论的萝卜问题的算法来说,不需要。因为算法本身很简单,使用OO可能会增加一些代码,造成不必要的复杂性。当然非要OO也不是不可以,今天就出现了两篇OO的实现。

好了,讨论完这两个问题,该说说为什么这几天的讨论是有问题的了。

看看这几天相继的几个实现代码贴出来,都说自己的算法比前面的快,但是快多少呢,为什么快呢?仔细看看,无外乎就是少嵌套了几个循环,少做了几次Convert的耗时操作,算法的复杂度还是O(n),根本就没有本质的变化。这到底是在讨论算法呢,还是讨论怎么实现这个算法呢? 如果大家真的认为算法很重要,为什么比来比去比的都是实现呢?为什么没有人提出一个与别人不同的算法呢?

再说说实现,一道如此简单的题目,仅仅答案对了就满足了么?程序的可读性呢?我从第一篇代码开始看的时候,就没发现有算法的文字描述,清一色的“看代码”。看代码也行,本来以为简单的问题扫一遍代码就行了,哪知道愣是没看明白。方法很长,嵌套的循环很多,ijkl不知道是什么,恕我愚笨和懒惰,这样的代码我看不下去。可能会有人说,这么简单的代码还搞那么多干嘛,仔细看看傻子也能看的明白,等我写大型软件的时候,就不这么写了。这不是简单或是难的问题,这是一个习惯的问题,习惯一旦养成就很难改了。而且把代码写清楚并不是一件容易的事,就算你想在什么时候将代码写清楚,因为平时缺少练习,也未必就能在关键时刻写出来。这个问题可能我花10分钟仔细看看也能看懂,可是当你面对万行以上这样的代码时,还能这么从容么?

我不管OO不OO,但是我希望代码能够清晰易懂。

PS:发点牢骚,还骂了很多人,预料到会有人骂我,没关系,让暴风雨来的更猛烈些吧。

转载于:https://www.cnblogs.com/wangyh/archive/2009/06/03/issue-of-discussing-algrithom.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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