当前位置: 首页 > news >正文

代码随想录训练营第二十三天| 572.另一颗树的子树 104.二叉树的最大深度 559.N叉树的最大深度 111.二叉树的最小深度

572.另一颗树的子树:

状态:已做出

 思路:

这道题目当时第一时间不是想到利用100.相同的树思路来解决,而是先想到了使用kmp,不过这个题目官方题解确实是有kmp解法的,我使用的暴力解法,kmp的大致思路是使用前序遍历整个树的节点,并且要把所有的空子树都考虑进去,不然会出现前序相同树的结构不同的情况,这些节点都放入一个char型数组中,空节点可以任意使用一个字符来表示,做到这一步后就完全是把题目转变为了kmp问题,使用kmp来解决既可,暴力解法的思路:使用和100.相同的树相似的做法,遍历root的每个节点,把每个节点都看成一颗子树,然后这个子树和subRoot使用和100题相同的做法,查看两个树是否相同就能判断出最后的结果了。总体来说暴力解法的时间复杂度是O(n*m),而kmp的时间复杂度优化到O(n+m),n和m分别是root和subRoot的节点树。
代码如下:

/*** Definition for a binary tree node.* struct TreeNode {*     int val;*     TreeNode *left;*     TreeNode *right;*     TreeNode() : val(0), left(nullptr), right(nullptr) {}*     TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}*     TreeNode(int x, TreeNode *left, TreeNode *right) : val(x), left(left), right(right) {}* };*/
class Solution {
public://两颗树进行比较是否相同bool dfs(TreeNode* root,TreeNode* sub) {if(!root && !sub) return true;if(!root || !sub ||(root->val!=sub->val)) return false;//这里的if语句把三种不相等的情况都包含进去了bool a1=dfs(root->left,sub->left);bool a2=dfs(root->right,sub->right);return a1 && a2;//需要左右子树都为真才说明这两个树相同}//这个函数是用来遍历树的每个节点的,让每个子树都和subRoot判断bool Subreturn(TreeNode* left, TreeNode* right) {bool rusult=dfs(left,right);if(rusult) return true;if(left==nullptr) return false;bool a1=Subreturn(left->left,right);bool a2=Subreturn(left->right,right);return a1 || a2;//使用递归来遍历所有root的节点,最后只要有一处子树和sunRoot相同就符合题意}bool isSubtree(TreeNode* root, TreeNode* subRoot) {if(!root) return false;return Subreturn(root,subRoot);}
};

遇到的困难:

当时做这道题目一开始以为使用100题的思路是优解,所以没想过暴解,就一直在想使用这个思路怎能去优化解决题目,但是发现一直出现问题,因为这道题要优化时间的话必须要考虑判断出错后怎么去回溯,这就让我想到了kmp,随后看完官方的解法后才知道这到题目使用判断相同数的思路就是暴力解法,必须要每个节点都判断才能得到正确答案,官方题解还给出了一种使用哈希树的解法,听着就你难,所以完全看思路。

收获:

这道题目使用判断是否是相同的数的方法就是暴力,通过练习熟悉一下这种解法,做法和之前的100题几乎一样,这道题目跟字符串求是否有相同子串的思想很像。

104.二叉树的最大深度:

文档讲解:代码随想录|104.二叉树的最大深度

视频讲解:二叉树的高度和深度有啥区别?究竟用什么遍历顺序?很多录友搞不懂 | LeetCode:104.二叉树的最大深度_哔哩哔哩_bilibili

状态:已做出

思路:

这下题目之前我使用层序遍历解决过,这次主要是使用前序和后续来解决这代题目。后序的思路:使用后续就是求根结点的最大高度,我的递归结束条件是节点为空时返回0,每次递归设置两个变量,分别保存这个节点的左右子树的层数有多少,最后去这两者的最大值,最后返回最大值加一,按照这个递归思路打到根结点就能返回最大深度。前序思路:前序是求最深的叶子结点深度。和后序递归不同,递归代码的参数我多设计了一个变量n,用来记录此时的层级,在递归到节点为空后返回n结束递归,每层设置两个变量来保存次节点的左右子树的最大深度,然后去这两个变量的最大值,直接返回最大值就可以了。

后序遍历:

/*** Definition for a binary tree node.* struct TreeNode {*     int val;*     TreeNode *left;*     TreeNode *right;*     TreeNode() : val(0), left(nullptr), right(nullptr) {}*     TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}*     TreeNode(int x, TreeNode *left, TreeNode *right) : val(x), left(left), right(right) {}* };*/
class Solution {
public:int dfs(TreeNode* root) {if(root==nullptr) {return 0;//这里返回零是为了从最深的地方开始不断向上回溯来记录高度}int sum1=dfs(root->left);int sum2=dfs(root->right);int n=max(sum1,sum2);//去最大值return ++n;//这里需要把此时的节点考虑进去,所以要加一}int maxDepth(TreeNode* root) {if(!root) return 0;return dfs(root);}
};

前序遍历:

/*** Definition for a binary tree node.* struct TreeNode {*     int val;*     TreeNode *left;*     TreeNode *right;*     TreeNode() : val(0), left(nullptr), right(nullptr) {}*     TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}*     TreeNode(int x, TreeNode *left, TreeNode *right) : val(x), left(left), right(right) {}* };*/
class Solution {
public:int dfs(TreeNode* root,int n) {if(root==nullptr) {return n;//返回n,因为这里空节点不考虑}int sum1=dfs(root->left,n+1);//每次都要让参数加一,记录层级int sum2=dfs(root->right,n+1);int num=max(sum1,sum2);return num;//这里之所以不加一是因为在遍历后序节点的时候num就已经把加一操作包含进去了,比如如果只有根节点的话,最后不加一也返回深度为1}int maxDepth(TreeNode* root) {if(!root) return 0;return dfs(root,0);}
};

遇到的困难:

这道题目使用前后序来做比层序遍历难一点,其中的难点就是难以控制递归的代码,不好记录层级,首先后序我使用递归返回0的方式是为了考虑最后节点为空的那一层,随后使用两个变量分别保存左右子树的最大深度,就是没一层每一层的递归来找到最后根结点的最大深度的,这个点就是是递归抽象的地方,需要由深到浅来思考,不然就会想错,最后返回的最大值我多加了1是为了把这一层考虑进去,因为左右子节点的最大高度都求出了,最后要加上这一次的层级返回。前序递归结束返回n是因为我在每层都讲n累加了,所以直接返回n就行了,下面的两个变量的递归传入n+1就是累加层级,最后和后序一样返回最大值,这里不和后序一样返回最大值加一是因为在左右子树递归后判断的最大值就已经把这一层级考虑进去了,所以直接返回。

收获:

这道题目使用层序遍历比递归方法要简单,主要是层序好理解,递归还是有点抽象,这道题对加深递归理想有一定的帮助,相比前中后序的简单递归,这道题目需要更加了解递归的规则才能合理分配出层级或者高度的改变。

559.N叉树的最大深度 :

文档讲解:代码随想录|104.二叉树的最大深度

状态:已做出 

思路:

这道题目和上一道求二叉树最大深度一样,我使用了前序后序和层序三种遍历方式去实现了这道题目。这里后序实现最后结束递归是返回的1,因为这里二叉树后序不一样,二叉树可以递归到空节点,但是N叉树不能,所以这里返回后必须要把这一层考虑进去,所以返回放是1,随后的操作二叉树的就差不多了,就是要使用循环来一直遍历一个节点的所有节点,每次循环记比较大小,保存这些节点的最大值,最后好和二叉树思想一样,返回最大值加一。前序则和二叉树放最大深度求法没太大的区别,直接改成循环遍历所有直接点既可。层序遍历相比于递归就简单多了,层序遍历所有节点,记录每层层级最后返回就可以了。

后序遍历:

/*
// Definition for a Node.
class Node {
public:int val;vector<Node*> children;Node() {}Node(int _val) {val = _val;}Node(int _val, vector<Node*> _children) {val = _val;children = _children;}
};
*/class Solution {
public:int dfs(Node* root) {if(!root->children.size()) return 1;//这里是返回1,因为最后是遇到叶子节点才结束递归,要算上叶子节点int ans=0;//这里和而二叉树不同,需要循环遍历所有子节点。其他和二叉树的思路差不多for(int i=0;i<root->children.size();++i) {int sum=dfs(root->children[i]);ans=max(sum,ans);}return ans+1;//算上此节点层级}int maxDepth(Node* root) {if(!root) return 0;return dfs(root);}
};

前序遍历:

/*
// Definition for a Node.
class Node {
public:int val;vector<Node*> children;Node() {}Node(int _val) {val = _val;}Node(int _val, vector<Node*> _children) {val = _val;children = _children;}
};
*/class Solution {
public:int dfs(Node* root,int n) {if(!root->children.size()) return n;//这里在递归参数就考虑到了加一的情况,所以直接返回nint ans=0;for(int i=0;i<root->children.size();++i) {int sum=dfs(root->children[i],n+1);ans=max(sum,ans);}return ans;}int maxDepth(Node* root) {if(!root) return 0;return dfs(root,1);}
};

层序遍历:

/*
// Definition for a Node.
class Node {
public:int val;vector<Node*> children;Node() {}Node(int _val) {val = _val;}Node(int _val, vector<Node*> _children) {val = _val;children = _children;}
};
*/class Solution {
public:int maxDepth(Node* root) {if(!root) return 0;queue<Node*>qu;qu.push(root);int n=0;while(!qu.empty()) {int size=qu.size();++n;//每一层都要加上层级for(int i=0;i<size;++i) {Node* temp=qu.front();qu.pop();for(int j=0;j<temp->children.size();++j) {qu.push(temp->children[j]);}}}return n;}
};

遇到的困难:

这道题目难点就是N叉树有多个节点,需要在递归和层序遍历里面设置一个循环来遍历所有结点,还有一点就是N叉树因为不会递归到空节点,所以后序需要对代码进行一点细节的改善。

收获:

这道题目就是二叉树的进阶,和二叉树的求法没太大区别,练习能进一步理解二叉树的代码思路。

 111.二叉树的最小深度:

文档讲解:代码随想录|111.二叉树的最小深度

视频讲解:看起来好像做过,一写就错! | LeetCode:111.二叉树的最小深度_哔哩哔哩_bilibili

状态:已做出

思路:

这道题目使用层序我之前做过,这次主要是使用前序和后序的递归来实现,这道题目我觉得使用递归实现起来比求最大深度还要麻烦一点,这里容易出错的问题文档中有明确说明,就是不明确处理叶子结点就会出现误判,比如根结点的左子树为空时,不管右子树是否为空最后出现的最小深度都是1。这道题的具体要求是要我们求根结点到最浅层级的深度有多大,所以递归的结束条件我这里设置的是到叶子节点后结束递归,后序为了考虑这一层所以返回1,前序我这里在递归里设置了一个参数n来记录层级,和二叉树的思路有点点相似,每到一层就n+1。不管是后序还是前序都先设置两个变量,并让变量指向int最大值,因为每次都需要比较取最小值,而且每次递归都要判断此节点做右子树必须是非空才能进行递归,这样是为了不出现考虑空节点层级的情况。
代码如下:

后序遍历:

/*** Definition for a binary tree node.* struct TreeNode {*     int val;*     TreeNode *left;*     TreeNode *right;*     TreeNode() : val(0), left(nullptr), right(nullptr) {}*     TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}*     TreeNode(int x, TreeNode *left, TreeNode *right) : val(x), left(left), right(right) {}* };*/
class Solution {
public:int dfs(TreeNode* root) {if(!root->left && !root->right) return 1;int sum1=INT_MAX,sum2=INT_MAX;//这里先设置两个变量为最大值,因为下面的递归困难会因为子节点为空而不会改变变量的值//这里是为了避免文档所说的错误,所以设置了if语句if(root->left)sum1=dfs(root->left);if(root->right)sum2=dfs(root->right);return min(sum1,sum2)+1;}int minDepth(TreeNode* root) {if(!root) return 0;return dfs(root);}
};

前序遍历:

/*** Definition for a binary tree node.* struct TreeNode {*     int val;*     TreeNode *left;*     TreeNode *right;*     TreeNode() : val(0), left(nullptr), right(nullptr) {}*     TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}*     TreeNode(int x, TreeNode *left, TreeNode *right) : val(x), left(left), right(right) {}* };*/
class Solution {
public:int dfs(TreeNode* root,int n) {if(!root->left && !root->right) return n;//叶子节点就直接返回结束递归int sum1=INT_MAX,sum2=INT_MAX;if(root->left)sum1=dfs(root->left,n+1);if(root->right)sum2=dfs(root->right,n+1);return min(sum1,sum2);}int minDepth(TreeNode* root) {if(!root) return 0;return dfs(root,1);//这里设置为1是直接先把根节点考虑进去了}
};

遇到的困难:

使用层序遍历求最小比求最大要简单,没想到使用递归却相反,求最小反而细节处更多。

收获:

以上这些题目主要都是使用递归去实现的,主要是提升对递归的掌握成程度。

相关文章:

代码随想录训练营第二十三天| 572.另一颗树的子树 104.二叉树的最大深度 559.N叉树的最大深度 111.二叉树的最小深度

572.另一颗树的子树&#xff1a; 状态&#xff1a;已做出 思路&#xff1a; 这道题目当时第一时间不是想到利用100.相同的树思路来解决&#xff0c;而是先想到了使用kmp&#xff0c;不过这个题目官方题解确实是有kmp解法的&#xff0c;我使用的暴力解法&#xff0c;kmp的大致思…...

力扣-105.从前序与中序遍历序列构造二叉树

题目描述 给定两个整数数组 preorder 和 inorder &#xff0c;其中 preorder 是二叉树的先序遍历&#xff0c; inorder 是同一棵树的中序遍历&#xff0c;请构造二叉树并返回其根节点。 class Solution { public:TreeNode* buildTree(vector<int>& preorder, vecto…...

【Linux网络】————详解TCP三次握手四次挥手

作者主页&#xff1a; 作者主页 本篇博客专栏&#xff1a;Linux 创作时间 &#xff1a;2025年5月14日 一、TCP三次握手四次挥手介绍 TCP使用三次握手来进行建立连接&#xff0c;四次挥手来终止连接&#xff0c;为何连接还要这么麻烦呢&#xff0c;那是因为这样可以确保建立…...

LLM(大语言模型)部署加速方法——PagedAttention

一、vLLM 用于大模型并行推理加速 存在什么问题&#xff1f; vLLM 用于大模型并行推理加速&#xff0c;其中核心改进是PagedAttention算法&#xff0c;在 vLLM 中&#xff0c;我们发现 LLM 服务的性能受到内存的瓶颈。在自回归解码过程中&#xff0c;LLM 的所有输入标记都会生…...

附加:TCP如何保障数据传输

附加&#xff1a;TCP如何保障数据传输 LS-NET-012-TCP的交互过程详解 TCP 如何保障数据传输 TCP&#xff08;Transmission Control Protocol&#xff0c;传输控制协议&#xff09;是互联网核心协议之一&#xff0c;负责在IP网络上提供可靠的、面向连接的数据传输服务。它位于T…...

【python机器学习】Day 25 异常处理

知识点&#xff1a; 异常处理机制debug过程中的各类报错try-except机制try-except-else-finally机制 在即将进入深度学习专题学习前&#xff0c;我们最后差缺补漏&#xff0c;把一些常见且重要的知识点给他们补上&#xff0c;加深对代码和流程的理解。 借助ai写代码的时候&…...

idea springboot 配置文件 中文显示

这里一定要注意编码。如果使用的是中文&#xff0c;则有可能出现乱码&#xff0c; 请单击IDEA菜单栏中的“File→→Settings→Editor→File Encodings”命令&#xff0c; 然后将 Properties Files(*.properties)下的“Default encoding for properties files"设置为UTF-8,…...

day20-线性表(链表II)

一、调试器 1.1 gdb&#xff08;调试器&#xff09; 在程序指定位置停顿 1.1.1 一般调试 gcc直接编译生成的是发布版&#xff08;Release&#xff09; gcc -g //-g调式版本&#xff0c;&#xff08;体积大&#xff0c;内部有源码&#xff09;&#xff08;DeBug&#…...

深入剖析某App视频详情逆向:聚焦sig3参数攻克

深入剖析某手App视频详情逆向&#xff1a;聚焦sig3参数攻克 一、引言 在当今互联网信息爆炸的时代&#xff0c;短视频平台如某手&#xff0c;已成为人们获取信息、娱乐消遣的重要渠道。对于技术爱好者和研究人员而言&#xff0c;深入探索其内部机制&#xff0c;特别是视频详情…...

数据结构与算法-双向链表专题

目录 一. 双向链表的结构 二.双向链表的使用 2.1 创建节点 2.2 初始化 2.3 打印 2.4 尾插 2.5 头插 2.6 尾删 2.7 头删 2.8 在指定位置pos之后插入数据 2.9 查找数据 2.10 删除pos位置的节点 2.11 销毁链表 一. 双向链表的结构 在List.h的头文件中对链表的结构进行创建 #prag…...

为什么要选择七彩喜数字康养平台?加盟后有何优势?

一&#xff0e;七彩喜数字康养平台 1.技术领先性 七彩喜依托“端-网-云-脑”四层技术架构&#xff0c;整合毫米波雷达、AI算法引擎、区块链等前沿技术&#xff0c;解决传统养老的隐私泄露、设备孤岛等痛点。 比如非接触式健康监测系统通过毫米波雷达实现跌倒检测准确率&#…...

vscode调试c/c++

1. 调试配置选择 调试 C 程序&#xff1a;选择 "Debug C Program"&#xff08;调用 gcc 编译&#xff09;。 调试 C 程序&#xff1a;选择 "Debug C Program"&#xff08;调用 g 编译&#xff09;。 2. 调试步骤 打开代码文件&#xff1a;确保当前编辑器…...

进阶数据结构: AVL树

嘿&#xff0c;各位技术潮人&#xff01;好久不见甚是想念。生活就像一场奇妙冒险&#xff0c;而编程就是那把超酷的万能钥匙。此刻&#xff0c;阳光洒在键盘上&#xff0c;灵感在指尖跳跃&#xff0c;让我们抛开一切束缚&#xff0c;给平淡日子加点料&#xff0c;注入满满的pa…...

C# 调试技巧——日志记录,NuGet内断点

在C#中&#xff0c;Debug.WriteLine()、Trace.WriteLine() 和 Console.WriteLine() 都用于输出信息&#xff0c;但它们的用途和适用场景有显著区别。以下是它们的核心差异总结&#xff1a; Debug.WriteLine()主要适用于控制台程序&#xff0c;输出到控制台Trace.WriteLine() …...

模糊数学方法之模糊贴近度

模糊数学方法之模糊贴近度 一、概述 二、代码实现&#xff08;内含注释&#xff09; #程序文件ex14_3.py # 本段带代码主要是用于判断b是属于a中的哪个种类的 # 通过计算贴近度的形式来实现的 import numpy as np a np.array([[0.4,0.3,0.5,0.3],[0.3,0.3,0.4,0.4],[0.2,0.3…...

Spring AI 集成 Mistral AI:构建高效多语言对话助手的实战指南

Spring AI 集成 Mistral AI&#xff1a;构建高效多语言对话助手的实战指南 前言 在人工智能应用开发领域&#xff0c;选择合适的大语言模型&#xff08;LLM&#xff09;与开发框架至关重要。Mistral AI 凭借其高效的多语言模型&#xff08;如 Mistral-7B、Mixtral-8x7B 等&am…...

季报中的FPGA行业:U型反转,春江水暖

上周Lattice,AMD两大厂商相继发布2025 Q1季报,尽管恢复速度各异,但同时传递出FPGA行业整体回暖的复苏信号。 5月5日,Lattice交出了“勉强及格”的答卷,报告季度营收1亿2000万,与华尔街的预期基本相符。 对于这家聚焦在中小规模器件的领先厂商而言,按照其CEO的预期,长…...

Data Mining|缺省值补全实验

实验内容任务描述 利用sklearn完成缺省值补全&#xff0c;完成4种以上缺失值补全&#xff0c;并完整地进行模型训练与测试。 四种缺失值补全方法&#xff1a;众数插补、均值插补、K-邻近填充、迭代插补(极大似然估计) 采用模型&#xff1a;随机森林RandomForestClassifier( …...

RabbitMQ 快速上手:安装配置与 HelloWorld 实践(一)

一、引言 在当今分布式系统大行其道的技术浪潮下&#xff0c;各个服务之间的通信与协同变得愈发复杂。想象一下&#xff0c;一个电商系统在大促期间&#xff0c;订单服务、库存服务、支付服务、物流服务等众多模块需要紧密配合。如果没有一种高效的通信机制&#xff0c;系统很容…...

适配华为昇腾 NPU 的交互式监控工具

适配华为昇腾 NPU 的交互式监控工具 在人工智能开发的过程中&#xff0c;我们常常希望能够实时了解计算设备的使用情况。对于使用华为昇腾 NPU 的团队来说&#xff0c;传统上只能通过命令行工具&#xff08;如 npu-smi&#xff09;来查询性能指标。但这些命令输出的信息分散且…...

HarmonyOS NEXT~React Native在鸿蒙系统(HarmonyOS)上的适配现状与技术展望

HarmonyOS NEXT&#xff5e;React Native在鸿蒙系统(HarmonyOS)上的适配现状与技术展望 一、背景与现状 鸿蒙系统(HarmonyOS)作为华为自主研发的分布式操作系统&#xff0c;自2019年发布以来已经迭代多个版本。最新的HarmonyOS NEXT更是明确将仅支持原生应用[5]&#xff0c;这…...

匿名函数lambda、STL与正则表达式

一、匿名函数lambda 重点&#xff1a; 怎么传递参数。 传引用还是传 1. 匿名函数的基本语法 [捕获列表](参数列表) mutable(可选) 异常属性 -> 返回类型 {// 函数体 } 语法规则&#xff1a;lambda表达式可以看成是一般函数的函数名被略去&#xff0c;返回值使用了一个 -…...

ssti模板注入学习

ssti模板注入原理 ssti模板注入是一种基于服务器的模板引擎的特性和漏洞产生的一种漏洞&#xff0c;通过将而已代码注入模板中实现的服务器的攻击 模板引擎 为什么要有模板引擎 在web开发中&#xff0c;为了使用户界面与业务数据&#xff08;内容&#xff09;分离而产生的&…...

存储扇区分配表:NAND Flash与SD NAND(贴片式SD卡)的架构差异

NAND Flash 和 SD 卡&#xff08;SD NAND&#xff09;的存储扇区分配表在原理上有相似之处&#xff0c;但由于二者的结构和应用场景不同&#xff0c;也存在一些差异。 相同点&#xff1a; 基本功能&#xff1a;NAND Flash 和 SD 卡&#xff08;SD NAND&#xff09;的存储扇区分…...

FreeRTOS队列原理讲解

继续更新freertos&#xff0c;讲解的是队列&#xff0c;队列是先进先出的一种数据结构&#xff0c;有入队和出队操作&#xff0c;今天主要讲解向队列发送消息源码/从队列取出消息源码。 先讲解入队函数&#xff0c;FreeRTOS中入队操作分为后向入队/前入/覆写&#xff0c;但无论…...

C——俄罗斯方块

前言 编译器选择&#xff1a;VS2022。需要掌握控制台操作、颜色设置、随机数生成、键盘事件、文件操作、二维数组操作等知识。运用语言&#xff1a;C语言。 一、游戏背景 1. 游戏概述 俄罗斯方块是一款经典的益智游戏&#xff0c;主要功能包括&#xff1a; 显示游戏界面 随…...

什么是 Shadow Testing?

Shadow Testing&#xff08;影子测试&#xff09;是一种在生产环境中对比验证新旧系统行为一致性的重要测试方法。它被广泛应用于系统迁移、架构重构、模型上线、A/B测试前的数据验证、灰度发布等场景&#xff0c;尤其在保障线上稳定性和数据正确性方面具有关键作用。 一、什么…...

【操作系统期末速成】①操作系统概述

——————2025.5.14————— 操作系统主要考点&#xff1a;操作系统概述、进程管理、内存管理、文件系统、设备管理&#xff08;前三个重点&#xff0c;第二三个是重中之重&#xff09; 操作系统概念&#xff08;OS&#xff09;&#xff1a;&#xff08;本质上是一个软件…...

关于vue学习的经常性错误

目录 常见问题&#xff1a; 1关于引用本地下载es6模块文件&#xff0c;报404错误 2 使用createApp函数后没有调用mount函数挂载到浏览器 3 在mount函数中&#xff0c;忘记引用插值表达式所在标签的定位符如 标签选择器&#xff0c;类选择器等 4在直接使用Vue3函数时&#…...

使用泛型加载保存数据

文章速览 泛型泛型概述定义优点 实例加载数据保存数据 一个赞&#xff0c;专属于你的足迹&#xff01; 泛型 泛型概述 泛型&#xff08;Generics&#xff09;是 C# 中一种重要的编程特性&#xff0c;它允许程序员编写灵活且类型安全的代码。通过使用泛型&#xff0c;可以创建…...

火山引擎实时音视频 高代码跑通日志

实时音视频 SDK 概览--实时音视频-火山引擎 什么是实时音视频 火山引擎实时音视频&#xff08;Volcengine Real Time Communication&#xff0c;veRTC&#xff09;提供全球范围内高可靠、高并发、低延时的实时音视频通信能力&#xff0c;实现多种类型的实时交流和互动。 通…...

ubuntu清除缓存

pip pip cache purgeconda conda clean -a -yapt apt cleanapt-get apt-get cleanmodelscope modelscope clear-cachehuggingface rm -rf ~/.cache/huggingface/*...

Flink SQL 将kafka topic的数据写到另外一个topic里面

-- 创建源表&#xff0c;使用 RAW 格式接收原始 JSON 数据 CREATE TABLE source_kafka ( id STRING, data STRING ) WITH ( connector kafka, topic source_kafka-topic, properties.bootstrap.servers master01:9092, properties.group.id flink-kafka-group, scan.startu…...

【C++重载操作符与转换】纯虚函数

目录 一、纯虚函数的基本概念 1.1 定义与语法 1.2 抽象类 1.3 派生类的实现要求 二、纯虚函数的使用场景 2.1 定义接口 2.2 实现多态 2.3 设计框架 三、纯虚函数的特性 3.1 纯虚函数可以有实现 3.2 抽象类的构造函数和析构函数 3.3 纯虚函数与接口继承 四、纯虚函…...

面向具身智能的视觉-语言-动作模型(VLA)综述

具身智能被广泛认为是通用人工智能&#xff08;AGI&#xff09;的关键要素&#xff0c;因为它涉及控制具身智能体在物理世界中执行任务。在大语言模型和视觉语言模型成功的基础上&#xff0c;一种新的多模态模型——视觉语言动作模型&#xff08;VLA&#xff09;已经出现&#…...

车用CAN接口芯片:汽车神经系统的沉默构建者

车用CAN接口芯片&#xff1a;汽车神经系统的沉默构建者 在汽车电子系统的复杂架构中&#xff0c;CAN总线如同人体的神经系统&#xff0c;而CAN接口芯片则扮演着神经突触的角色。这些指甲盖大小的芯片&#xff0c;默默承担着整车超过70%的通信任务&#xff0c;却鲜少成为技…...

AI日报 · 2025年5月14日|Android 生态大型更新与多端 Gemini 集成

1、Google “Android Show: I/O Edition” 汇总&#xff1a;设计、安全、Gemini 三线并进 北京时间 5 月 14 日凌晨&#xff08;原文标注 5 月 13 日 PDT&#xff09;&#xff0c;Google 在 I/O 前夕举办的 Android Show 一口气公布四大方向更新&#xff1a;① Mater…...

QT+opencv实现卡尺工具找圆、拟合圆

QT Opencv 实现卡尺工具找圆 找圆工具是自己从其他项目里面单独整理出来&#xff0c;可直接引用到新项目中。 程序中提供了函数接口&#xff0c;其他文件直接传入参数就能获取圆心和半径信息。次工具全采用QT和opencv&#xff0c;全部源码可随需求更改。 以下是实现效果&am…...

养生:拥抱健康生活的实用之道

在忙碌的现代生活中&#xff0c;养生逐渐成为人们追求健康的重要方式。从饮食、运动到睡眠与心态&#xff0c;各个养生环节相辅相成&#xff0c;共同构建起健康生活的大厦。以下为你详细介绍养生的关键要点&#xff0c;助你开启健康生活之旅。 饮食养生&#xff1a;科学搭配&a…...

Llama:开源的急先锋

Llama:开源的急先锋 Llama1&#xff1a;开放、高效的基础语言模型 Llama1使用了完全开源的数据&#xff0c;性能媲美GPT-3&#xff0c;可以在社区研究开源使用&#xff0c;只是不能商用。 Llama1提出的Scaling Law 业内普遍认为如果要达到同一个性能指标&#xff0c;训练更…...

使用大语言模型从零构建知识图谱(中)

从零到一&#xff1a;大语言模型在知识图谱构建中的实操指南 ©作者|Ninja Geek 来源|神州问学 还没有看过上篇的读者可以阅读《使用大语言模型从零构建知识图谱&#xff08;上&#xff09;》了解整个系列的内容 通过创建一个自定义流程来自动上传业务数据 在这一节&#…...

深度强化学习 | 图文详细推导软性演员-评论家SAC算法原理

目录 0 专栏介绍1 最大熵贝尔曼方程2 SAC算法原理推导2.1 参数化动作-价值函数2.2 参数化策略2.3 参数化温度 3 算法流程 0 专栏介绍 本专栏以贝尔曼最优方程等数学原理为根基&#xff0c;结合PyTorch框架逐层拆解DRL的核心算法(如DQN、PPO、SAC)逻辑。针对机器人运动规划场景…...

大数据开发 hadoop集群 3.Hadoop运行环境搭建

一、配置虚拟机 1.1 下载VMware虚拟机 1.下载地址&#xff1a;VMware Workstation下载_VMware Workstation官方免费下载_2024最新版_华军软件园 1.2 创建虚拟机 简易安装信息 1.3. 命名虚拟机 标题一 指定磁盘容量大小&#xff08;推荐大小&#xff09; 1.4. 语言和时区设…...

【​​HTTPS基础概念与原理​】​​HTTPS vs HTTP:为什么现代网站必须用HTTPS?

以下是关于 HTTPS vs HTTP 的详细对比分析&#xff0c;涵盖安全性、性能差异及SEO影响&#xff0c;帮助您全面理解为何现代网站必须采用HTTPS&#xff1a; 一、安全性对比&#xff1a;HTTPS 如何解决 HTTP 的致命缺陷 1. HTTP 的安全隐患 • 明文传输&#xff1a;HTTP 数据以明…...

【springcloud学习(dalston.sr1)】Eureka单个服务端的搭建(含源代码)(三)

该系列项目整体介绍及源代码请参照前面写的一篇文章【springcloud学习(dalston.sr1)】项目整体介绍&#xff08;含源代码&#xff09;&#xff08;一&#xff09; 这篇文章主要介绍单个eureka服务端的集群环境是如何搭建的。 通过前面的文章【springcloud学习(dalston.sr1)】…...

榕壹云打车系统:基于Spring Boot+MySQL+UniApp的开源网约车解决方案

传统出租车行业的数字化痛点与破局 近年来,随着网约车市场的爆发式增长,传统出租车企业面临数字化转型的迫切需求。传统出租车行业存在以下核心痛点: 1. 运营效率低下:手工调度、纸质单据导致资源浪费。 2. 乘客体验不足:无法实时查看车辆位置、支付不便。 3. 安全监管…...

第5章 运算符、表达式和语句

目录 5.1 循环简介5.2 基本运算符5.3 其他运算符5.4 表达式和语句5.5 类型转换5.6 带有参数的函数5.7 一个实例程序5.11 编程练习 5.1 循环简介 5.2 基本运算符 赋值运算符&#xff1a; 几个术语&#xff1a;数据对象、左值、右值和操作数 数据对象&#xff1a;泛指数据存储区…...

全流量解析:让安全防御从“被动挨打”升级为“主动狩猎”

在网络安全领域&#xff0c;攻击者就像“隐形小偷”&#xff0c;总想悄无声息地入侵你的网络。而全流量解析&#xff0c;就是一套能“看清每一辆网络货车里装了什么”的技术。它通过采集并分析网络中的全部原始流量数据&#xff0c;帮助安全团队发现威胁、溯源攻击&#xff0c;…...

bfs-最小步数问题

最小步长模型 特征&#xff1a; 主要是解决权值为1且状态为字符串类型的最短路问题&#xff0c;实质上是有向图的最短路问题&#xff0c;可以简化为bfs求最短路问题。 代表题目&#xff1a; acwing 845 八数码问题&#xff1a; 八数码题中由于每次交换的状态是由x进行上下左右…...

机器学习 Day17 朴素贝叶斯算法-----概率论知识

1.简介 朴素贝叶斯&#xff08;Naive Bayes&#xff09;是一类基于贝叶斯定理&#xff08;之后讲&#xff09;并假设特征之间相互独立的概率分类算法 &#xff0c;是机器学习中应用广泛的分类模型。以下为您详细介绍&#xff1a; 核心原理 贝叶斯定理&#xff1a;描述后验概…...