https://pintia.cn/problem-sets/1259041418971803648/problems/1259046259492220928（题目链接如上）题意：给定一棵二叉树的中序遍历和前序遍历，请你先将树做个镜面反转，再输出反转后的层序遍历的序列。所谓镜面反转，是指将所有非叶结点的左右孩子对换。利用中序遍历和前序遍历建树：node* buildPreInTree(int pl

- 平均池化用于时序数据。- 下采样输入表示，通过对被定义为pool_size的窗口取平均值。窗口根据步长strides进行切换。- 当使用"valid" （padding）填充选项时，结果的输出的形状为：output_shape = (input_shape - pool_size + 1) / strides)inputs：一个三维的tensor。- mask：二元的tensor，它的shap

一、request模块概念：python中原生的一款基于网络请求的模块，功能非常强大，简单便捷，效率极高。作用：模拟浏览器发请求。如何使用（request模块的编码流程）：指定url发起请求获取响应数据持久化存储环境安装：pip Install requests实战编码：爬取搜狗首页的页面数据import requestsif __name__ == "__main__":# step 1: 指定

PyTorch是一款基于自动微分且越来越流行的神经网络框架。首先，手动初始化Tensor：像处理ndarray一样，可以通过将其中包含的数据简单地包装在torch.Tensor中来初始化Tensor。当用这种方式初始化Tensor时，必须传递require_grad = True的参数，来告诉Tensor累积梯度。执行计算：如示例，一旦对计算的输出调用backward方法，就可以自动正确计算梯度。

我们使用由谷歌提供的Colab免费服务，在谷歌的服务器上运行代码。将一行像素值转换成实际图像来直观地查看一下。构建神经网络类，以下为一个名为Classifier的类，它继承了nn.Module。使用损失来更新网络的链接权重替代方案是**Adam**，它利用动量的概念，减少陷入局部最小值的可能性，同时，它对每个可学习的参数使用单独的学习率

PyTorch是一款基于自动微分且越来越流行的神经网络框架。首先，手动初始化Tensor：像处理ndarray一样，可以通过将其中包含的数据简单地包装在torch.Tensor中来初始化Tensor。当用这种方式初始化Tensor时，必须传递require_grad = True的参数，来告诉Tensor累积梯度。执行计算：如示例，一旦对计算的输出调用backward方法，就可以自动正确计算梯度。

- SSH隧道（SSH tunneling）是一个在一个客户端和服务器之间创建加密的SSH连接的方法，它通过能够被转播的端口进行。- SSH传送（SSH forwarding）对于运送网络中的服务数据很有用，它使用未加密的协议，比如VNC或者FTP，来获取受到地域限制的内容，或者绕开中间的防火墙。基本上，你可以传送任何TCP端口和打通通道通过一个安全的SSH连接。- 这里有三种类型的SSH端口传送

有序表，所以删除的元素必然是相连的整体。算法思想先寻找值大于等于s的第一个元素（第一个删除的元素），然后寻找值大于t的第一个元素（最后一个删除的元素的下一个元素），要求将这一段元素删除，只需直接将后面的元素前移。上述算法中三个Reverse函数的时间复杂度分别为O(p/2),O((n-p)/2)和O(n/2)，故所设计的算法的时间复杂度为O(n)，空间复杂度为O(1)。算法思想搜索整个顺序表，查找

利用栈实现递归函数的非递归计算

我们使用由谷歌提供的Colab免费服务，在谷歌的服务器上运行代码。将一行像素值转换成实际图像来直观地查看一下。构建神经网络类，以下为一个名为Classifier的类，它继承了nn.Module。使用损失来更新网络的链接权重替代方案是**Adam**，它利用动量的概念，减少陷入局部最小值的可能性，同时，它对每个可学习的参数使用单独的学习率