logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

固定分区分配算法的模拟(c++实现)

预先将内存空间(1024KB)划分成4个等值大小的空闲分区(每个分区占256KB),分配过程根据用户需求将某一满足条件的分区直接分配(不进行分割),作业完成后回收相应内存。插入作业若过大,超过分区大小,内存将无法装入,如插入作业D,大小500KB,程序返回异常提醒。1)实现一个完整的固定分区管理器,包括分配,回收等。根据固定分区分配算法,将该作业分配到第0分区。2)初始化功能:内存状态设置为初始状

文章图片
#java#开发语言#c++ +1
判断子序列c++(acwing)

题目给定一个长度为n的整数序列a1,a2,…,an 以及一个长度为m的整数序列b1,b2,…,bm。请你判断a序列是否为b序列的子序列。子序列指序列的一部分项按原有次序排列而得的序列,例如序列{a1,a3,a5} 是序列{a1,a2,a3,a4,a5}的一个子序列。输入格式第一行包含两个整数n,m。第二行包含nn个整数,表示a1,a2,…,an。第三行包含mm个整数,表示b1,b2,…,bm。输出

#c++#算法#数据结构
拆分——nim游戏

给定 n 堆石子,两位玩家轮流操作,每次操作可以取走其中的一堆石子,然后放入两堆的石子(新堆规模可以为 0,且两个新堆的石子总数可以大于取走的那堆石子数),最后无法进行操作的人视为失败。问如果两人都采用最优策略,先手是否必胜。输入格式第一行包含整数 n。第二行包含 n 个整数,其中第 i 个整数表示第 i 堆石子的数量 ai。输出格式如果先手方必胜,则输出Yes。否则,输出No。数据范围1≤n,a

#c++#算法#数据结构
python安装第三方库(以Numpy为例)

1.这是个傻瓜教程,首先打开pycharm,点击左上脚的File,选择settings,找到project中的python interpreter 点击图中加号,即可添加库2.直接在输入框中输入要安装的库,点击安装即可

#python
《PyTorch深度学习实践》第十三课(循环神经网络RNN高级版)

gru中因为序列长短不一,许多填充的是0,没必要参加运算,可以加速,使用 pack_padded_sequence。把为0的去除,其他的拼接在一起,但是他要求的是输入序列的长度递减,所以不行。其中output是上面的h0到hn,output是【hnf,hnb】双向,两边都走一遍,再拼接起来,起到了连接上下文的作用。返回一个PackedSquence object。接下来是横着取值,按照时间序列取值

文章图片
#深度学习#pytorch#rnn
python pyinstaller打包教程(pycharm)

本人被pyinstaller折磨多次,遇上多次坑,终于总结出此条pyinstaller打包教程,小白无忧,帮你跳过所有坑。

文章图片
#python#pycharm#开发语言
量化交易整体架构

幸存者偏差:有的股票跌的非常厉害,可能后面都退市了,剩下数据库里面都是后面涨的股票。时间序列动量,过去上涨的,以后也大概率上涨。《101》 101个有效的因子。xgboost简单非常好。注意风控,注意非稳态。动量因子效果非常好!

文章图片
#java#servlet#html
利用将网页项目部署到阿里云上(ngnix)

本项目是一个官网展示页面,只包含前端内容。因此部署较为容易,部署于阿里云主机上,采用的ngnix进行部署。总耗时不超1小时。

文章图片
#云计算#运维
最全!导入csv文件+归一化+PCA降维+K-Means聚类+效果评估+可视化 项目实战

(1)使用pandas库读取wine数据集(2)将wine数据集的数据和标签拆分开。(3)将wine数据集划分为训练集和测试集。(4)标准化wine数据集。(5)对wine数据集进行PCA降维。(6)构建聚类数目为3的K-Means模型。(7)对比真实标签和聚类标签求取FMI。(8)在聚类数目为2~10类时,确定最优聚类数目。(9)求取模型的轮廓系数,绘制轮廓系数折线图,确定最优聚类数目。(10)

文章图片
#kmeans#聚类#python +1
《PyTorch深度学习实践》第十二课(循环神经网络RNN)

要把inputs和labels重新view,-1为自适应inputs的格式为(seqlen, batchsize, inputsize)lables的格式为 (seqlen,1)seqlen其实就是循环次数。

文章图片
#junit#java#myeclipse
    共 24 条
  • 1
  • 2
  • 3
  • 请选择