题目描述给出一组数字，返回该组数字的所有排列例如：[1,2,3]的所有排列如下[1,2,3],[1,3,2],[2,1,3],[2,3,1],[3,1,2], [3,2,1].（以数字在数组中的位置靠前为优先级，按字典序排列输出。）数据范围：数字个数 0<n≤6要求：空间复杂度 O(n!) ，时间复杂度 O(n!）思路全排列的问题直接使用深度优先遍历代码python版本：## 代码中的类名、

序言在模型剪枝，模型量化以及模型中间层分析过程中都需要一个hook来得到中间结果。这里记录torch的register_hook和register_forward_hook两种方法。register_hookregister_hook是为了获取反向计算的梯度值。def get_grad(grad):print("backward grad is:", grad)x = 2w = torch.ran

序言面试过程中遇到的问题，如何对2Dbox、3Dbox和旋转box求iou。2D Box计算代码def cal_2dbox(box1, box2):"""box format: xyxy"""x1 = max(box1[0], box2[0])y1 = max(box1[1], box2[1])x2 = min(box1[2], box2[2])y2 = min(box1[3], box2[3])

ViT0 前言1 Transformer0 前言Transformer被广泛使用在nlp领域，在处理序列化数据方面具有优势，最初提出的论文是[attention is all you need](https://arxiv.org/abs/1706.03762) 。之后不断有一些将其用在cv领域的工作，ViT便是最新的工作之一，结构中只使用了transformer，并且在分类方面取得不错的效果。1

1、前言深度学习模型可以简单理解为一个高度非线性的复合函数，网路输入可以看作自变量x，输出可以看作因变量y。看过网上其他人做的一些双色球预测，基本上是基于BP神经网络（也就是全连接神经网络）和LSTM的预测方法。其中我认为基于LSTM的方法靠谱一些。但因为本身对LSTM不熟悉，以及我认为卷积神经网络也可以用来做双色球预测，接下来进行尝试。2、数据爬取深度学习模型是基于数据驱动的表达机制，因此首先我