原创 數據結構與算法全套精講(python版) (六)樹

1. 樹的術語 2. 樹的種類        3. 樹的存儲  (1). 順序存儲(非主流)  (2) . 鏈式存儲 4 . 樹的常見應用場景 5. 二叉樹性質   6. 二叉樹遍歷 廣度遍歷(層次):一層一層的走,每層從左至

原创 數據結構與算法全套精講(python版) (四)鏈表

1. 鏈表 首先要明白一點:之所以做元素互換時,只有python裏纔可以直接用 a,b=b,a   ——> 就是因爲做a=10時,a可以看做是一個輸入待定的函數,10並不是直接放入到了a裏面,二者只是一個指向關係 注:鏈表與之前的順序表

原创 數據結構與算法全套精講(python版) (五)排序

常見排序算法效率對比如下:     1. 冒泡排序 如下是一輪內的完整過程:每次排序從首元素(圖裏爲左)開始,相鄰元素作比較,較大者排後,直至最大的數排到隊尾。然後對未排序部分重複操作 時間複雜度: 每輪操作O(n)次,共O(n)輪,時

原创 數據結構與算法全套精講(python版) (三)棧與隊列

1. 棧stack  既可用順序表(連續存儲),也可用鏈表表示(離散存儲) #棧 class Stack(object):#object表示繼承 def __init__(self): self.__list =

原创 數據結構與算法全套精講(python版) (二)順序表

1. 形式 例一:    2. 順序表增加與刪減元素 list與tuple就是採用了順序表形式。而且list是採用了分離式技術實現的動態順序表,tuple除了內部不可更改外,其餘與list一樣。  (1).順序表增加元素的3種方式的時間

原创 數據結構與算法全套精講(python版) (一)時間複雜度

1.時間複雜度的6個基本原則 注:基本操作指簡單的加減乘除等,不包括函數體調用(因爲函數裏包括大量運算) 例1: 求如下循環體的時間複雜度 例2:常見舉例 注: 熟記如下的常見時間複雜度大小比較   2.python的基本類型,如

原创 數據結構與算法全套精講(python版) (六)二分查找

使用前提:有序、順序表 最壞的情況就是一直在對半找下去,2的m次冪(m即查找次數)爲n(總長),即時間複雜度m爲O(logn);最好的情況就是首次就找到,即O(1)   1.  遞歸法( 類似於f(n)與f(n-1)、f(n-2) )

原创 數據結構與算法全套精講(python版) 自學筆記

一. 1.時間複雜度基本原則 注:基本操作指簡單的加減乘除等,不包括函數體調用(因爲函數裏包括大量運算)。  例1:  例2:   注:  2.python的基本類型,如字符、整型、浮點型。但不包括容器(已經是基本類型的集合)如li

原创 (一)python數據結構之鏈表

       data數據,next爲下個節點所在的地址(也即下個節點本身): 1.創建鏈表 node1 = Node('a',None) #node1本節點,‘a’本節點內容,None下個節點的地址(也即下個節點本身) node1.

原创 Target and input must have the same number of elements.

出現這個報錯的原因是,交叉熵損失函數torch.nn.BCELoss()=F.binary_cross_entropy(),要求輸入input和目標target 必須形狀一致,並且都是浮點數 : Input: (N, *)(N,∗)

原创 軸axis操作 舉例

import numpy as np a = np.random.randn(2,3,4) #(2,3,4) b = np.expand_dims(a, 0) #(1,2,3,4) c = np.append(1 - b, b, axi

原创 PIL圖片處理 舉例

把文件夾裏,每張尺寸7200*6800的圖,按每行72個、每列68個 256*256的圖來摳出: import os from PIL import Image import numpy as np rootdir = r'C:\Us

原创 劍指offer編程66題詳解 python版

1 .題目描述:在一個二維數組中(每個一維數組的長度相同),每一行都按照從到右遞增的 順序排列,每一列都按照從上到下遞增的順序排序。請完成一個函數,輸入這樣的一個二維 數組和一個整數,判斷數組中是否含有該整數。解析:由於每行從左到右遞增,

原创 embedding層 通俗理解

https://blog.csdn.net/u013249853/article/details/89194787 通常都會先將文字轉換成普通整數編碼,然後再用embedding層進行可更新向量編碼。 將正整數(索引值)轉換爲固定尺寸的稠

原创 pytorch中的view

view用於torch中的形變(而非numpy中),相當於numpy中resize()功能