二进制倍增扩展，设当前扩展长度为b，每次尝试往后新加入b个元素，然后求SPD，成功就将b * 2，否则b / 2，并且恢复数组。这样做的复杂度是O(N^2)的，因为我们要维护一个有序数组，每次暴力插入O(N)，求SPD O(N)，扩展N次。固定左端点l，然后不断往右尝试加入新元素，一旦加入新元素无法满足SPD <= k，那么再开一个段。先考虑这样一个问题，2n个数配成n个pair (xi, yi)

不想跑模型，水了下群友扔的题。发现是一个很裸的树上背包，大概分析下复杂度就ac了。忽然想起来去年也写过类似的一道树上背包，当时对于复杂度是非常疑惑的，始终无法理解时间复杂度是O(N^2)。今天反而一下就分析出来了，正好记录一下。

在深度学习中，模型很容易“死记硬背”训练数据（即过拟合）。比如，如果训练集里所有的猫都在图片的左边，模型可能会认为“左边有一团毛茸茸的东西”才是猫。图像增广就是在把图片喂给神经网络之前，随机地对它进行一些变换（如：翻转、裁剪、改变颜色、加噪等）。它的好处有两点：变相扩大数据集：一张猫的图片经过10种不同的变换，就变成了10张“相似但不同”的训练样本。提高泛化能力（鲁棒性）：打破模型对特定属性（如位

如果不做修改，图片一进去经过 7x7 大卷积和池化，尺寸直接变成 7x7，再经过几个残差块就变成 0 了。假设有两张 GPU，GPU0 算出了梯度 A，GPU1 算出了梯度 B。如果我们运行这段代码，我们会发现 2 个 GPU 跑得可能和 1 个 GPU 一样慢，甚至更慢。最终结果：两张卡跑完一轮的时间几乎是单卡的一半，实现了极好的加速比。我们要训练的模型从玩具级别的 LeNet 换成了工业级别的

真实的图片是 RGB 三彩的，而且我们不可能只找“猫耳”，我们还要找“猫眼”、“猫胡须”、“垂直边缘”、“水平边缘”。所以必须引入**通道（Channel）**的概念。值得注意的是，net.eval() 后，会关闭BatchNorm，net.train() 下，会打开 BatchNorm。，我们其实关心的是“它正上方的一个像素”、“它右下角的一个像素”，而不是“全图第 5 行第 10 列的像素”。

真实的图片是 RGB 三彩的，而且我们不可能只找“猫耳”，我们还要找“猫眼”、“猫胡须”、“垂直边缘”、“水平边缘”。所以必须引入**通道（Channel）**的概念。值得注意的是，net.eval() 后，会关闭BatchNorm，net.train() 下，会打开 BatchNorm。，我们其实关心的是“它正上方的一个像素”、“它右下角的一个像素”，而不是“全图第 5 行第 10 列的像素”。

贵圈真乱（

语义分析的任务是什么？

本章作为概述，和大部分课程一样，主要目标为 了解基本术语和概念，基本原理。主要以Internet为例。Internet 是一个世界范围的计算机网络，互联了遍及全世界的数十亿计算设备，这些设备可以是传统桌面PC，Linux 工作站以及所谓的服务器，也可以是智能手机，家用电器，汽车等。这些设备我们将其看作节点**主机（host）**以及运行在上面的应用程序主机也称为端系统（end system）端系统

对于一个长度为n的字符串S。z[i] 表示S与其后缀S[i,n]的**最长公共前缀(LCP)**的长度。国外一般将计算该数组的算法称为，而国内则称其为扩展 KMP。下面介绍O(N)时间复杂度内求解Zfunc的方法。Manacher（马拉车）算法详解，原理分析-CSDN博客。