剑指offer:3.从尾到头打印链表 题目 输入一个链表,按链表值从尾到头的顺序返回一个ArrayList。牛客网oj地址 样例 12输入:[2, 3, 5]返回:[5, 3, 2] 解题思路 这道题的解题思路挺多了,可以顺序把链表放入数组中然后再调用reverse函数反转一下返回;可以递归逆序将结果插入数组然后直接返回;可以翻转链表然后循环放入数组最后返回。 1234567891011121314151617181920212 2019-04-05 学术向 题解 剑指offer
剑指offer:2.替换空格 题目 请实现一个函数,将一个字符串中的每个空格替换成“%20”。例如,当字符串为We Are Happy.则经过替换之后的字符串为We%20Are%20Happy。牛客网oj地址 样例 123输入:"We are happy."输出:"We%20are%20happy." 解题思路 这个题默认char字符串数组是提供充足的空间的,刚第一下看题没反应过来 2019-04-04 学术向 题解 剑指offer
剑指offer:1.二维数组中的查找 题目 在一个二维数组中,每一行都按照从左到右递增的顺序排序,每一列都按照从上到下递增的顺序排序。请完成一个函数,输入这样的一个二维数组和一个整数,判断数组中是否含有该整数。牛客网oj地址 样例 123456789101112输入数组:[ [1,2,8,9], [2,4,9,12], [4,7,10,13], [6,8,11,15]]如果输入查找数值为7,则返回true,如果输入查找数值 2019-04-03 学术向 题解 剑指offer
公式图片转latex神器Mathpix以及latex公式与word公式的相互转换 公式图片识别为latex 平时在写东西的时候时常有进行公式输入的需要,比如说看了一篇论文写点东西记录一下什么的。但是在写东西的时候手动抄着那些复杂的公式让人有一种在搬砖的错觉(我之前写文档抄公式的时候就有这种错觉😂),这样就会很容易打消搬砖的积极性的。幸好之后杨同学告诉了我Mathpix这个神器瞬间将我解放了生产力max :xyx:。 官网地址:https://mathpix.com/ 官方测 2019-03-20 工程向 实用软件 latex
复现《Region Filling and Object Removal by Exemplar-Based Image Inpainting》 论文内容 这篇论文是图片补全传统算法中的经典之作,主要的思路还是使用被扣图片剩余部分的冗余信息对孔洞进行填充。作者提出了一种确定区域填充顺序的方法,使得原有图片的结构信息得以更好的传播。论文的主要流程如下所示: 查找孔洞的边缘,计算边缘像素点的填充优先级 挑选出优先级最高的点,根据像素点得到像素块 在剩余部分查找和像素块最相似的像素块 用最佳像素块填充对应的部分填充对应的孔洞部分,查看填好了没 2018-11-03 学术向 cv 复现
随笔一篇 时间真的的就像顽童手中的细沙一般,初时觉得的很多,但在游戏结束时却发现它早已在不知不觉中流逝殆尽。不知不觉自己就大三,不知不觉大学的第二个暑假已经过完了,总是在结束时感慨之前的时间过的飞快,可能是因为时光中总会有一些遗憾吧。自己将来在离开人世的时候也或许也会感慨自己的这一生过的真快吧。 过去的这个暑假和自己所计划的暑假生活还是有点出入的,果然是计划赶不上变化(其实也有自己偷懒的一部分原因在里面)。 2018-09-03 碎碎念
office2019初体验与kms服务搭建 office2019初体验 很早就知道看到过 office2019 出预览版了,但是一直没有找到合适的方式进行安装,然后最近偶然发现了一个office2019安装的教程(还附带发现了一个好用的office管理工具)就果断安上。首先来张 office2019 的 word 截图看看。 可以看出来在界面上 office2019 和 office2016 基本没有区别,不看启动动画和版本号单看界面基 2018-08-25 工程向 科技体验 office kms
npx报错“Path must be a string. Received undefined”in windows解决方法 在使用Windows上使用较老版本的nodejs,如何我使用的v8.9其自带的npx的版本为9.7,在Windows上使用会存在:“Path must be a string. Received undefined”的错误。通过 GitHub 上的 issue 可以知道改问题已经在最新版的npx中解决了,可以通过npm手动升级到最新版解决。 1npm i -g npx 但是运行npx -v后我们发 2018-08-19 工程向 教程 前端 npx
机器学习——正则化 问题:过拟合 算法训练结束后可能会产生两种让人不想面对的结果,一种是欠拟合,一种是过拟合。需要注意二者针对的对象都是训练数据,再结合名字就非常容易理解这两个名字的意思了。 欠拟合:即使是在训练数据上都存在较大的误差。 过拟合:在训练数据上误差非常小甚至没有误差,过度的拟合了训练数据以至于失去了数据整体上的趋势不能很好的用在真实数据上。 过拟合产生的原因主要有两个,过多的特征参数,过少的训练数据。 2018-08-03 学术向 机器学习 笔记
centos6编译安装git错误解决 今天想在centos6的服务器上安装使用gitea,但是报错git版本太低,而yum源自带的git比较古老需要自行编译安装。编译安装的过程中遇到了一些问题记录一下。 编译安装时报错如下: imap-send.c: 在函数‘ssl_socket_connect’中: imap-send.c:291: 警告:不建议使用‘TLSv1_method’(声明于 /usr/local/include/open 2018-05-12 工程向 Linux 教程 centos