- 博客(314)
- 收藏
- 关注
RSS订阅原创 P10720 [GESP202406 五级] 小杨的幸运数字
本文介绍了如何通过预处理方法高效判断一个数是否为"幸运数字"（恰好有两种不同质因子）。首先使用埃氏筛法标记质数，然后遍历每个质数的倍数，统计每个数的不同质因子数量。预处理完成后，查询时只需检查计数是否为2即可。该方法预处理复杂度为O(mxloglogmx)，查询复杂度为O(1)，适用于a_i≤1e6、n≤1e4的数据范围。文中包含代码实现、复杂度分析和样例验证，并强调了注意"不同质因子"的含义和处理细节。
2025-09-09 18:15:52
623
原创 P10719 [GESP202406 五级] 黑白格
【摘要】本文介绍了一种解决黑白格子问题的二维滑窗算法。给定n×m的01网格，要求找到包含至少k个黑格子的最小面积子矩形。核心思路是将二维问题转化为一维子段和问题：枚举上下边界确定高度H，维护每列的黑格数数组col，用滑动窗口在col中寻找和≥k的最短连续列段。算法时间复杂度O(n²·m)，空间复杂度O(n·m)，适用于n,m≤100的情况。文章详细解析了算法步骤、易错点，并提供了优化技巧和完整代码实现，最后通过测试案例验证了算法的正确性。
2025-09-09 17:50:13
819
原创 B4361 [GESP202506 四级] 排序
本文解析了GESP四级考试中的排序与最少相邻交换次数问题。题目要求将队伍按身高降序、体重降序排列，每次只能交换相邻同学，求最少交换次数。解题关键在于理解相邻交换的最少次数等于冒泡排序中的交换次数，即序列中的逆序对总数。文章详细分析了排序规则转化为代码逻辑的过程，包括定义比较条件和冒泡排序实现。代码解析部分说明了使用二维vector存储数据的原因，以及冒泡排序函数中的关键细节。时间复杂度分析表明该解法在题目限制下完全可行。最后总结了易错点及核心收获，强调掌握多关键字排序条件和相邻交换计数的实际应用价值。
2025-09-07 12:15:17
761
原创 B4360 [GESP202506 四级] 画布裁剪
本文解析了GESP四级真题中的画布裁剪问题。题目要求将一个h行w列的字符矩阵按给定的1-based行列范围(x1-x2,y1-y2)进行裁剪输出。解题关键在于正确将1-based行列编号转换为0-based数组索引，通过遍历指定范围逐字符输出或使用substr函数截取子串。核心易错点是行列索引转换和循环边界处理，需特别注意x1-1到x2-1的转换。文章提供了完整的C++代码实现，分析了O(h*w)的时间复杂度，并讨论了空间优化可能。题目考察基础编程能力，重点在于精确实现需求转换。
2025-09-07 10:04:26
866
原创 B4264 [GESP202503 四级] 二阶矩阵
本文解析了GESP四级考试中的"好子矩阵"计数问题。题目要求统计给定n×m整数矩阵中所有满足条件的2×2子矩阵数量，条件为子矩阵左上×右下=右上×左下。解题采用暴力枚举法：遍历所有可能的2×2子矩阵，逐个验证条件并计数。由于数据范围较小（n,m≤500），该方法时间复杂度为O(nm)，完全可行。文章详细讲解了代码实现，包括矩阵存储、边界处理、条件判断等关键点，并提醒注意循环边界和元素位置等易错问题。最终强调对于小数据量问题，暴力法是最直接可靠的解决方案。
2025-09-07 08:14:49
679
原创 被导师夸爆的文献工具！Connected Papers 帮我告别 “文献迷宫”
科研文献梳理神器ConnectedPapers：一键可视化学术脉络 这款工具通过智能图谱直观展示文献关联，节点大小反映引用量，连线粗细体现关联度，帮助研究者快速定位核心文献与关键演进路径。其筛选功能支持按时间、引用量、开放获取等维度精准检索，而"相关论文"推荐能挖掘隐藏的重要文献。虽然对冷门领域和中文文献覆盖有限，但能显著提升英文文献调研效率，尤其适合撰写综述或开题时理清学术脉络，让科研新手也能快速把握领域全貌。（149字）
2025-09-06 17:36:30
832
原创 洛谷B4263 [GESP202503 四级] 荒地开垦
本文针对网格类问题中的荒地开垦优化问题，提出了一种高效解决方案。问题要求在最多清除一个杂物的条件下，最大化可开垦的荒地数量。解决方案分三步：首先统计初始可开垦荒地数量；然后通过局部影响分析，计算清除每个杂物可能带来的收益；最后选择最优解。该方法通过避免全局遍历，将时间复杂度优化至O(n×m)，适用于大规模网格。文章结合具体样例详细解析了算法逻辑，并提供了完整代码实现，有效解决了约束条件下的最优化问题。
2025-09-06 17:30:37
819
原创 机器人复健指南：基于 BFS 的可达性问题解析与代码实现
本文讲解了如何用BFS算法解决机器人在网格场地中的可达性问题。文章详细分析了题目需求，包括8方向移动规则、步数限制和去重要求，提供了基于BFS的完整代码实现，并逐行解析核心逻辑。重点讨论了BFS的层次遍历特性如何适配步数限制，以及1-based坐标处理、访问标记等关键细节，同时指出了代码输出与题目描述可能存在的矛盾点。通过示例演示了算法执行过程，帮助读者理解BFS在有限步数路径搜索问题中的应用。
2025-08-31 22:10:12
1016
原创 正态分布查表定位问题：题目解析与代码实现
本文解析了正态分布查表定位问题，将统计概念转化为代码实现。通过标准化转换公式Z=(X-μ)/σ，将非标准正态分布转换为标准正态分布变量。文章详细解释了表格行列映射规则：行号由整数+十分位决定，列号由百分位确定。提供的C++代码实现了这一逻辑，包括标准化计算、行列号推导和结果输出。代码通过浮点数运算和类型转换确保精度，并包含异常处理机制。最后通过样例验证了算法的正确性，展示了从统计理论到编程实现的完整过程。
2025-08-31 21:50:12
726
原创 openEuler 全方位指南：从安装到实战，附经典习题解析
摘要：本文全面介绍openEuler企业级操作系统，包括其核心特性、版本生命周期及安装配置步骤。内容涵盖基础命令操作、网络服务管理、常见问题排查方法，并提供22道经典习题及解析，帮助读者掌握系统运维核心技能。文章重点解析了openEuler在服务器、云计算等场景的应用优势，以及DNF软件管理、firewalld防火墙等关键技术，适合从入门到进阶的系统学习参考。
2025-08-29 21:44:01
825
原创 基于 PyTorch 的 CNN 实现 MNIST 手写数字识别全解析
摘要：本文详细解析了基于PyTorch框架实现CNN进行MNIST手写数字识别的完整流程。内容包括数据预处理、CNN模型构建（含卷积层、池化层和全连接层）、训练过程优化（使用交叉熵损失和SGD优化器），以及结果可视化分析。通过2500次迭代训练，模型在测试集上达到93%以上的准确率，有效验证了CNN在图像识别任务中的强大性能。该案例为深度学习初学者提供了从理论到实践的完整学习路径，是掌握计算机视觉基础的重要实践。
2025-08-29 21:42:17
681
原创 基于 PyTorch 的 MNIST 手写数字识别：多层前馈神经网络（ANN）实现详解
本文详细介绍了基于PyTorch实现MNIST手写数字识别的多层前馈神经网络(ANN)。内容涵盖数据加载、模型构建、训练评估全流程，重点解析了三层隐藏层的网络结构设计(混合使用ReLU/Tanh/ELU激活函数)、交叉熵损失函数和SGD优化器的使用。文章还提供了现代PyTorch的改进建议，包括GPU加速、Adam优化器、学习率调度等优化方法，并讨论了正则化和数据归一化等提升模型性能的技巧。通过可视化训练曲线和模型保存，帮助读者完整理解从基础实现到工程优化的全过程。该ANN模型在MNIST上预期准确率可达9
2025-08-28 23:10:50
697
原创 基于 PyTorch 的 MNIST 手写数字识别：逻辑回归实现全解析
本文详细介绍了使用PyTorch框架实现逻辑回归模型完成MNIST手写数字识别的全过程。通过解析代码结构，阐述了从数据加载、模型构建到训练评估的完整流程：包括解决SSL证书验证问题、设定超参数、定义线性分类模型、使用交叉熵损失和SGD优化器进行训练，以及结果可视化等关键步骤。该实践不仅验证了线性变换+损失函数+优化器的机器学习基础范式，准确率达到90%以上，更为后续深度学习研究奠定基础。文章完整展示了计算机视觉任务的开发流程，突显了MNIST数据集的教学价值。
2025-08-28 22:30:43
1379
原创 用 PyTorch 实现 CNN 手写数字识别：MNIST 数据集完整实战
本文介绍了使用PyTorch实现CNN进行MNIST手写数字识别的完整流程。主要内容包括：1) 构建一个包含两个卷积层、两个池化层和一个全连接层的CNN模型；2) 数据预处理步骤，包括归一化、训练测试集划分和张量转换；3) 训练过程中采用交叉熵损失和Adam优化器；4) 测试阶段评估模型性能，最终准确率达98%以上。文章详细解析了每个模块的实现细节，包括模型结构设计、数据加载、训练循环和测试评估，并提供了可视化样本展示。此外，还讨论了可能的改进方向，如增加Dropout层、数据增强等。该案例展示了CNN在图
2025-08-27 15:29:39
875
原创 汽车价格与销量预测：用 PyTorch 线性回归模型实现预测分析
本文介绍了使用PyTorch实现汽车价格与销量预测的线性回归模型。通过定义模型结构、准备数据、训练优化和结果可视化，完整展示了机器学习预测流程。代码实现了价格与销量数据的线性关系建模，训练后模型能准确预测不同价格下的销量，为商业决策提供支持。该方案适用于价格敏感性分析、库存管理等领域，具有实际应用价值。
2025-08-27 15:06:26
710
原创 安德烈・卡帕西大模型介绍课：第一部分 —— 预训练阶段
本讲解围绕大语言模型的预训练阶段展开。首先，从互联网获取海量高质量文本数据（如FineWeb的44TB语料，主要源于Common Crawl），并通过URL过滤、语言筛选、去重与隐私信息移除等步骤清洗处理。其次，将原始文本转化为词元序列（约15万亿个token），通过分词器实现符号化表示。随后，利用神经网络学习词元之间的统计关系，不断预测下一个词元，从而在参数中内化语言规律。训练完成后，模型可在推理阶段基于概率分布生成文本。GPT-2和Llama系列模型展示了参数规模与数据规模扩张下的能力跃升，奠定了现代大
2025-08-27 14:31:02
775
原创 用 PyTorch 实现线性回归：预测汽车价格与销量的关系
本文介绍如何使用PyTorch实现线性回归模型，预测汽车价格与销量之间的关系。代码首先准备汽车价格和销量的模拟数据，并将其转换为PyTorch张量。接着定义线性回归模型类，配置均方误差损失函数和随机梯度下降优化器。通过1001次迭代训练模型，记录损失值并可视化其下降趋势。文章详细解析了代码实现过程，包括数据转换、模型定义、训练循环等关键步骤，并解释了线性回归、损失函数、梯度下降等核心概念。结果表明，该模型能有效学习价格与销量间的负相关关系，可为企业定价策略提供数据支持。这个简单的线性回归案例展示了PyTor
2025-08-25 10:35:31
1034
原创 汽车价格与销量数据分析：从数据准备到可视化
在数据分析和机器学习项目中，数据准备与可视化是至关重要的第一步。它们帮助我们理解数据特征、发现潜在规律，并为后续建模提供依据。本文将通过一段分析汽车价格与销量关系的代码，详细解析数据处理的基本流程、关键技术以及可视化的重要性。
2025-08-25 10:27:28
782
原创 深度学习中的反向传播：PyTorch 实现与原理详解
本文通过PyTorch代码示例解析了深度学习中的反向传播原理。演示代码构建了简单的计算图（y=x²→o=1/2*sum(y)），并调用backward()进行梯度计算。详细解释了计算图、链式法则和梯度计算过程，验证了输出结果（x=[2,4]时梯度为[2,4]）的正确性。特别强调了requires_grad参数的作用和现代PyTorch的简化写法。指出反向传播通过计算损失函数对各参数的梯度，为神经网络参数更新提供了关键依据，是深度学习模型训练的核心机制。理解这一基础原理有助于掌握复杂模型的训练过程。
2025-08-24 12:16:25
736
原创 PyTorch 中的 Variable：自动求导的基石
本文介绍了PyTorch中的Variable（变量）在自动求导中的核心作用。在PyTorch 0.4.0之前，Variable是包装张量并实现自动求导的关键组件，通过构建计算图记录操作历史，为反向传播提供支持。文章解析了Variable的核心属性（data、grad、grad_fn）和requires_grad参数的意义，并展示了创建Variable的示例代码。尽管现代PyTorch已将Variable功能整合到Tensor中（通过requires_grad=True），但理解Variable的工作原理仍对
2025-08-24 11:53:12
664
原创 数据结构与算法课程设计：基于二叉搜索树的最近邻搜索
本课程设计实现了基于二叉搜索树（BST）的二维空间最近邻搜索系统。系统采用BST存储二维点数据，通过递归实现插入和搜索功能：插入时按坐标排序构建BST；最近邻搜索时计算欧氏距离平方，优先搜索目标方向子树并适时剪枝。测试表明系统能正确找到最近邻点，但存在BST不平衡时效率下降的局限性。本实践加深了对BST特性的理解，为后续学习更高效的空间索引结构（如平衡树）奠定了基础。
2025-08-23 11:43:07
693
原创 PyTorch 张量操作详解：从基础运算到形状变换
《PyTorch张量基础操作解析》摘要：本文详细介绍了PyTorch中核心数据结构张量的基础操作，包括创建3x3全1张量、使用view()方法进行形状变换、元素级加减乘除运算，以及均值标准差等统计计算。通过代码示例展示了张量与Python标量的转换方法item()，并解析了元素级运算和广播机制的特点。这些基础操作广泛应用于神经网络前向传播、损失函数计算和数据预处理等场景，是构建深度学习模型的重要基石。掌握这些操作能有效提升PyTorch代码编写效率，为理解更复杂的深度学习计算流程奠定基础。
2025-08-23 08:28:27
714
原创 NumPy 与 PyTorch 随机数生成对比：rand () 函数解析
NumPy和PyTorch的rand()函数对比分析：两者均生成[0,1)区间的均匀分布随机数，但NumPy默认生成float64数组（适合科学计算），PyTorch生成float32张量（优化深度学习）。NumPy仅支持CPU计算，PyTorch支持GPU加速。随机数在模型初始化、数据增强等场景中至关重要，可通过设置种子保证结果可复现。实际应用中需根据计算需求选择合适工具，NumPy适合通用科学计算，PyTorch专为深度学习优化。
2025-08-23 08:16:13
912
原创 PyTorch 张量入门：从列表到张量的转换与核心特性解析
本文介绍了PyTorch张量的基础概念与创建方法，重点解析了如何将Python列表转换为PyTorch张量。通过示例代码演示了张量的核心属性（类型、形状、维度等），对比了PyTorch张量与NumPy数组的异同，强调张量在深度学习中的关键作用：支持GPU加速和自动求导。作为深度学习的基础数据结构，张量是数据输入、模型参数和中间计算的载体，理解其特性是掌握PyTorch框架的重要前提。文章为初学者提供了清晰的张量入门指南，为后续深度学习学习奠定基础。
2025-08-21 08:43:02
1119
原创 NumPy 与 PyTorch 中的全 1 数组 / 张量：ones () 函数对比解析
本文对比分析了NumPy和PyTorch中创建全1数组/张量的ones()函数。两者虽然语法相似，但存在本质差异：NumPy数组（ndarray）专为科学计算设计，默认使用float64精度，仅支持CPU；PyTorch张量（Tensor）则为深度学习优化，默认float32精度，支持GPU加速和自动求导。通过代码示例演示了如何创建2x3全1结构，并详细解析了形状定义、数据类型设置等核心概念。全1结构在参数初始化、掩码生成等场景有重要应用。理解这些差异有助于根据计算需求（通用计算/深度学习）选择合适的工具，
2025-08-21 08:42:26
1021
原创 NumPy 数组与 PyTorch 张量的相互转换：代码解析与原理详解
本文解析了NumPy数组与PyTorch张量相互转换的方法及原理。通过示例代码演示了使用torch.from_numpy()将NumPy数组转为张量，以及通过.numpy()方法将张量转回数组的过程。关键点在于：1) 转换是零复制操作，共享内存；2) 修改一方会影响另一方数据；3) 这种高效转换连接了数据预处理(NumPy)和模型训练(PyTorch)流程。文中还探讨了实际应用场景，如数据加载、模型输出可视化等，并提醒注意内存共享可能带来的副作用。
2025-08-20 10:13:14
1144
原创 NumPy 数组入门：从代码解析到深度理解
本文介绍了NumPy数组的基本概念和核心特性。通过示例代码展示了如何将Python列表转换为NumPy数组，并解析了数组类型、形状等关键属性。NumPy数组（ndarray）具有同质性、固定大小和多维结构的特点，相比Python列表在内存效率和运算速度上更具优势，特别适合科学计算和大规模数据处理。文章还探讨了NumPy数组在数据分析、机器学习等领域的重要应用，强调掌握NumPy数组是学习数据科学的基础。
2025-08-20 09:53:37
988
原创 用于分析介电谱数据的MATLAB项目
本文介绍了一个用于分析介电谱数据的MATLAB项目结构及其主要功能。项目包括主脚本main.m，用于执行全流程分析；functions/目录下的多个函数，如生成模拟数据、多项式拟合、计算斜率、寻找特征频率点、计算活化能和频谱归算等；以及plots/目录用于存储生成的图像。parameters.m文件定义了实验参数，如温度范围、含水率、频率范围等。主脚本通过调用这些函数，生成模拟数据，进行多项式拟合，提取特征频率点，计算活化能，并将频谱归算至参考温度。最终，项目生成多张图像，包括介电损耗曲线、拟合曲线、特征频
2025-05-30 12:19:29
331
原创 Kano+AHP 模型在惠山泥人分析中的应用（论文＋代码使用手册）
本文针对惠山泥人在现代市场中的传承困境，构建 Kano 模型与 AHP 层次分析法的整合框架，通过用户需求分类与多属性决策分析，量化评估 "AI 惠山泥人" 与 "传统惠山泥人" 的竞争力。研究发现，AI 泥人在成本、创新设计等期望属性上优势显著，而传统泥人需聚焦工艺优化。模型为非遗产品的现代化转型提供了数据驱动的决策范式，代码框架可复用于同类文化遗产的保护与创新。
2025-05-30 00:33:34
891
原创 《面向交通走廊的氢能站选址优化研究》结论报告
《面向交通走廊的氢能站选址优化研究》报告以京津冀-山东城市群为研究对象，提出了一种基于多目标遗传算法的加氢站选址优化模型，旨在解决覆盖需求、成本控制和服务效率等问题。研究通过设定适应度函数，结合遗传算法参数，最终确定了天津和济南两处加氢站的最优选址方案，覆盖率达92.3%，建设成本为218,500元，平均服务距离为8.7km。研究验证了走廊优先策略的有效性，并强调了多目标优化的必要性。此外，研究还提出了理论创新和工程应用价值，同时指出了当前局限和未来研究方向，如考虑动态因素和地形约束，以及引入实时优化和混合
2025-05-16 00:31:51
920
原创 哈夫曼树原理与 C++ 实现：从构造到编码的完整指南
哈夫曼树是一种带权路径长度最短的二叉树，广泛应用于数据压缩领域。其核心思想是通过贪心算法，将权值较大的节点赋予更短的路径，从而减少整体数据存储或传输的成本。本文详细介绍了哈夫曼树的构造过程、总费用计算方法，并通过C++代码实现了完整的算法流程。构造过程中，通过最小优先队列不断合并权值最小的两个节点，生成新的父节点，直到队列中只剩一个根节点。总费用为每次合并的父节点权值之和。代码实现包括节点结构定义、哈夫曼树构造、编码生成及内存管理。运行结果显示，构造哈夫曼树的总费用为59，并输出了各权值对应的哈夫曼编码。哈
2025-05-15 15:07:26
726
原创 Python异常处理：深入理解try和except结构
本文全面解析Python异常处理机制，通过实例代码演示try/except/else/finally结构的用法，助你编写健壮的Python程序。
2025-05-06 21:52:33
355
原创 腾讯云ide的C/C++模板编译器环境配置失败
Clang 18.1.3 尝试链接GCC 14的库，若系统中实际安装的是其他版本（如GCC 11），会导致路径不兼容。关联GCC标准库，但路径格式异常（如多级。通过以上步骤，可修复因标准库路径缺失导致的。符号），导致无法解析真实路径。输出中多个路径被标记为。
2025-05-02 16:53:21
270
原创 蓝桥301实现基数排序
代码优势正确性：通过字符串处理简化了按位操作，稳定分桶确保排序正确。鲁棒性：处理全零情况和前导零的去除逻辑完善。潜在限制仅限非负整数：未处理负数，但题目未要求。字符串转换开销：对极大整数可能影响性能，但符合题目约束。适用场景整数位数差异较小的数据集。需要稳定排序且数值范围可控的场景。
2025-03-28 13:51:13
406
原创 蓝桥1216走迷宫
代码潜在问题数组越界a和v的大小仅为100x100，当输入n或m超过 99 时越界。步数计算错误：起点步数初始化为0，导致输出比实际格子数少 1（例如起点到终点需8格子，代码输出7边界检查缺失：未验证tx和ty是否在[1, n]和[1, m]范围内，可能导致越界访问。障碍物检查缺失：未提前检查起点/终点是否为障碍物，可能错误处理。改进建议将数组大小改为避免越界。起点步数初始化为1，或在输出时+1。添加tx和ty的范围检查。适用场景小规模迷宫（
2025-03-23 20:53:23
318
原创 蓝桥782拼数
代码优势正确性：直接比较拼接后的结果，避免循环比较可能导致的错误。简洁性：逻辑清晰，代码量少，易于维护。潜在注意点全零处理：若所有输入为0，应避免输出多个前导零（题目数据保证正整数，无需处理）。适用场景需要将数字拼接成最大数的场景，如生成交易编号、资源排序等。
2025-03-23 19:40:55
260
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人