这个项目虽然看上去不难，但是真的做起来还是花了不少精力的。我将代码都放到gitee上了，有需要可以自取。

栈是一种先进先出（FIFO）的数据结构。。废话不多说，直接贴代码代码参考了小甲鱼的数据机构课程#include "stdafx.h"#include <stdlib.h>#include <stdio.h>#include <math.h>#include <windows.h>#define STACK_INIT_SIZE 1...

给定一棵二叉树的先序遍历序列和中序遍历序列，要求计算该二叉树的高度。输入格式:输入首先给出正整数N（≤50），为树中结点总数。下面两行先后给出先序和中序遍历序列，均是长度为N的不包含重复英文字母（区别大小写）的字符串。输出格式:输出为一个整数，即该二叉树的高度。输入样例:9ABDFGHIECFDHGIBEAC输出样例:5解题思路：这道题主要是用到...

邻接矩阵//邻接矩阵//分别存储两个矩阵//一个矩阵用于存顶点的信息//另一个矩阵用于存弧的信息#define INFINITY65535#define MAX_VERTEX_NUM 20typedef int VEType;typedef int InforType;typedef enum{DG, DN, UDG, UDN} GraphKind;//图的类...

这篇论文将transformer机制运用到计算机视觉领域（主要是进行了图片分类），并且取得了不错的效果其实整体思路挺简单的，就是将是图片拆分成很多小块，然后将小块排列成矩阵送入transformer encoder模块中计算，具体的计算过程如下图所示我主要分享一下代码import torchimport torch.nn as nnimport mathclass MLP(nn.Module):d

论文题目：Objects as Points论文地址：https://arxiv.org/pdf/1904.07850.pdf官方代码：https://github.com/xingyizhou/CenterNet下面是我写的代码centerNet.pyimport torchfrom torch import nnimport torch.nn.functional as fimport tor

程序结构基本与https://blog.csdn.net/haohulala/article/details/107660273这篇文章相似，有什么问题也可以参考这篇文章。import torchfrom torch import nnimport torch.nn.functional as fimport torchvisionimport torchvision.transforms as

使用pytorch进行迁移学习的时候，我们需要下载预训练的模型，但是这个模型通常很大，如果在代码中在线下载的话，很可能会中断，并且一中断之前也就白下载了，这篇文章里我介绍一种离线使用预训练模型的方法。所谓离线使用预训练模型的方法，实际上就是使用浏览器将模型下载下来（通常浏览器下载会比较稳定，并且如果下载中断还能恢复），下面给出各种模型的下载地址，只需要将对应的url键入到浏览器中就可以建立下载1.

尝试使用深层结构进行CIFAR10的识别import torchimport torchvisionimport torchvision.transforms as transformsBATCH_SIZE = 64EPOCHES = 50NUM_WORKERS = 4LEARNING_RATE = 0.005# 数据转换transform = transforms.Compose([transf

我是跟着b站一个up主的博客学的代码，然后自己添加了一些注释https://wmathor.com/index.php/archives/1442/import torchimport torch.nn as nnimport torch.optimimport torch.utils.data as Datadtype = torch.FloatTensorsentences = ['i lik