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

【复旦大学历年机试题】2023-01(二叉树)

:给你两棵二叉树 root 和 subRoot 。检验 root 中是否包含和 subRoot 具有相同结构和节点值的子树。如果存在,返回 true ;否则,返回 false 。注意二叉树 tree 的一棵子树包括 tree 的某个节点和这个节点的所有后代节点。tree 也可以看做它自身的一棵子树。:不知道具体怎么给输入的,这里我按照完全二叉树的方式给两个输入,第一行是root树,第二行是subr

文章图片
#算法#数据结构#考研
【复旦大学历年机试题】2020-05(二叉树)

给定⼀个 1~n 的排列 P,即⻓度为 n,且 1~n 中所有数字都恰好出现⼀次的序列。现在按顺序将排列中的元素⼀⼀插⼊到初始为空的⼆叉搜索树中(左小右大),问最后每个节点的⽗亲节点的元素是什么。这个专栏主要是我在刷题的过程中总结的一些笔记,因为我学的也很一般,如果有错误和不足之处,还望大家在评论区指出。⼀⾏ n 个整数,其中第 i 个整数 ai 表⽰元素 i 对应节点的⽗亲节点的元素。1 的⽗亲

文章图片
#算法#数据结构#考研
【刷题实录之动态规划】leecode746. 使用最小花费爬楼梯

dp[i - 1] 跳到 dp[i] 需要花费 dp[i - 1] + cost[i - 1]。dp[i - 2] 跳到 dp[i] 需要花费 dp[i - 2] + cost[i - 2]。一定是选最小的,所以dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]);(3)dp数组如何初始化:只初始化dp[0]和dp[1]就够了,

文章图片
#动态规划#算法#数据结构 +1
【408精华知识】计算机存储容量单位与速率单位

将其与K(k)、M、G、T、P、E、Z、Y组合可以变成KB、MB、GB、TB、PB、EB、ZB、YB和kb、Mb、Gb、Tb、Pb、Eb、Zb、Yb。其中K(k)与B组合是常用大写K,与b组合时常用小写k。希望能给大家的学习带来一点帮助,共同进步!关于如何记K(k)、M、G、T、P、E、Z、Y的大小顺序,我想到了一个顺口溜,看(K(k))门(M)狗(G)图(T)片(P)一(Y)张(Z)呀(Y)在存

文章图片
#算法#考研
【速看】2025年计算机学科专业基础综合考试(408)大纲

(一)计算机系统层次结构1.计算机系统的基本组成2.计算机硬件的基本结构3.计算机软件和硬件的关系4.计算机系统的工作原理“存储程序"工作方式,高级语言程序与机器语言程序之间的转换,程序和指令的执行过程(二)计算机性能指标【21增】吞吐量、响应时间;CPU 时钟周期、主频、CPI、CPU 执行时间;(一)操作系统的基本概念(二)操作系统的发展(三)程序运行环境【22增】1.CPU 运行模式内核模式

文章图片
#考研#操作系统
【408精华知识】史上最全的数据结构代码题总结!三万字长文!!!

代码作为一种和计算机交流的语言,要遵守程序语言世界的规范,接下来我们全部采用C语言书写代码。规范表达DataType 变量名 = 赋值内容DataType可以是常见数据类型int、string等,也可以是结构体比如LNode,还可以是指针LNode*、LinkList,变量名可以是单个数据,也可以是数组。关于数组DataType 变量名 [ Maxsize ]#define 常量名 值关于lnod

文章图片
#数据结构#考研
【408精华知识】你绝对没有看过这么详细的计算机网络大题思路总结!!!

首先要明白,计算机网络是分为很多层次的,在OSI模型中分为物理层、数据链路层、网络层、传输层、会话层、表示层、应用层。在传输过程中,设备属于哪个层次,就将数据解析到哪一层次,并如实修改相应的地址(目的MAC地址、源MAC地址等),要记住传输层是从下至上第一个端到端的协议。

文章图片
#计算机网络#网络#服务器
【深度学习实操】一文搞懂如何使用GPU跑深度学习代码!!!(CUDA+torch-gpu下载指南)

这个专栏主要是我在学习中总结的一些问题,以备未来笔试和面试之需,不过由于学习的不深入,也只是走马观花,很多问题总结得也不是很透彻,望读者见谅,如果有错误和不足之处,还望大家在评论区指出。检查一下安装的是不是GPU版本,输入pip list,看一下安装的torch版本,如果是有+cu的,就是GPU版本,如果没有带+cu,就是CPU版本,要卸载重新安装,否则会报错!:建议不要下载太高版本的CUDA,1

文章图片
#深度学习#人工智能#开发语言
机器学习与深度学习面试一百题(2)卷积神经网络(持续更新中...)

kernel=3×3,输入是前一层的20个特征映射,因此第三层的每个特征映射有3×3×20个weight,加上bias,每个特征映射对应181个参数。kernel=3×3,输入是前一层的10个特征映射,因此第二层的每个特征映射有3×3×10个weight,加上bias,每个特征映射对应91个参数。由于第二层有20个特征映射,因此需要91×20=1820个参数;kernel=3×3,输入有3个通道(

文章图片
#机器学习#深度学习#cnn
【深度学习实操】一文读懂Python解释器的选择!!

Virtualenv:简单、轻量,适合小型项目。Conda:功能强大,适合数据科学和需要多语言支持的项目。Pipenv:结合了pip和virtualenv的优点,适合中小型项目。Poetry:现代化的依赖管理和打包工具,适合希望简化项目管理的开发者。写在后面这个专栏主要是我在学习中总结的一些问题,以备未来笔试和面试之需,不过由于学习的不深入,也只是走马观花,很多问题总结得也不是很透彻,望读者见谅,

文章图片
#深度学习#python#人工智能
    共 34 条
  • 1
  • 2
  • 3
  • 4
  • 请选择