当前位置: 首页 > news >正文

3337|3335. 字符串转换后的长度 I(||)

1.字符串转换后的长度 I

1.1题目

3335. 字符串转换后的长度 I - 力扣(LeetCode)

1.2解析

递推法解析

思路框架

我们可以通过定义状态变量来追踪每次转换后各字符的数量变化。具体地,定义状态函数 f(i,c) 表示经过 i 次转换后,字符 c(对应 ASCII 码偏移量,如 a=0,b=1,…,z=25)在字符串中的出现次数。通过分析字符转换规则,我们可以建立递推关系,从而高效计算最终结果。

状态转移分析
  1. 初始状态

    • 对于给定字符串 s,初始化 f(0,c) 为字符 c 在 s 中的出现次数。
  2. 状态转移方程

    • 字符 a(对应 c=0):只能由前一次的字符 z 转换而来,因此:
      f(i,0)=f(i−1,25)
    • 字符 b(对应 c=1):可由前一次的字符 z 或 a 转换而来,因此:
      f(i,1)=f(i−1,25)+f(i−1,0)
    • 其他字符 c≥2:由前一次的字符 c−1 转换而来,因此:
      f(i,c)=f(i−1,c−1)
  3. 优化空间复杂度

    • 由于每次递推仅依赖前一层的状态,我们可以使用两个一维数组(如 cnt 和 nxt)交替存储状态,将空间复杂度从 O(t×26) 优化至 O(26)。
算法实现步骤
  1. 初始化:统计字符串 s 中每个字符的出现次数,存入数组 cnt
  2. 迭代递推
    • 执行 t 次状态转移,每次生成新数组 nxt 存储当前层状态。
    • 根据上述转移方程更新 nxt 数组。
    • 将 nxt 赋值给 cnt,为下一次迭代做准备。
  3. 结果计算:累加最终状态数组 cnt 中所有元素的和,即为转换 t 次后的字符串长度。
复杂度分析
  • 时间复杂度:O(n+t),其中 n 是字符串 s 的长度,t 是转换次数。初始化需遍历一次字符串,每次转换需处理 26 个字符。
  • 空间复杂度:O(1),仅需固定大小的数组存储状态,与输入规模无关。

1.3代码

class Solution {
public:int lengthAfterTransformations(string s, int t) {vector<int> cnt(26);for(auto ch:s){++cnt[ch-'a'];}for(int i=0;i<t;i++){vector<int> next(26);next[0]=cnt[25];next[1]=(cnt[25]+cnt[0])%(1000000007);for(int i=2;i<26;i++){next[i]=cnt[i-1];}cnt=move(next);}int ans=0;for(int i=0;i<26;i++){ans=(ans+cnt[i])%(1000000007);}return ans;}
};

2.3337字符串转换后的长度 ||

2.1原题

3337. 字符串转换后的长度 II - 力扣(LeetCode)

2.2快速幂模板

首先我们先学一下快速幂

快速幂是一种高效计算幂运算的方法 。

原理

  • 二进制角度:将幂次 n 转化为二进制形式。例如幂次 13,其十进制数 13 转换为二进制是 1101 ,而 11012​=2^3+2^2+2^0=8+4+1 。这就把幂次的计算拆解成了与二进制位相关的形式。
  • 幂的性质利用:依据幂的性质 a2k=(ak)2 来进行计算。从 a 开始,通过不断平方得到 a,a2,a4,a8,⋯ 这些值。比如计算 a13 ,因为 13 二进制表示中第 0 位、第 2 位、第 3 位是 1 ,对应着 a1 、 a4 、 a8 ,所以 a13=a8×a4×a1 。这样就避免了像普通方法那样进行多次连乘,大幅减少了计算量。

计算过程

  1. 把幂次 n 转换为二进制数。
  2. 初始化结果变量为 1 ,底数为 a 。
  3. 从二进制数的最高位开始遍历:
    • 如果当前位是 1 ,就把当前的结果乘以对应的幂次(比如从最高位开始,第一位对应 最高位序号 )。
    • 每次遍历完一位,都将底数进行平方操作,为下一位的计算做准备。
  4. 遍历完二进制数的所有位后,得到的结果就是 an 。

优势

传统计算 an ,需要进行 n−1 次乘法,时间复杂度是 O(n) 。而快速幂通过上述方式,时间复杂度降为 O(logn) 。当 n 很大时,计算效率会有显著提升。

快速幂模板代码

#define ll long long
#define mod ......
ll qsm(ll a,ll b)
{ll res=0;while(b){if(b&1)res=(res*a)%mod;a=(a*a)%mod;b>>=1;}return res;
}

2.3矩阵快速幂

而本题则要用到矩阵快速幂

方法一:动态规划(基础解法)

思路分析

我们可以通过动态规划的方式,逐步计算每个字母在经过多次替换后的长度。具体来说:

  1. 子问题定义:对于每个字母(如 'a', 'b', ..., 'z'),将其替换 t 次后的长度可以分解为替换 t-1 次后的子问题。例如,字母 'a' 替换一次后变为 'b' 和 'c',因此其替换 t 次后的长度等于 'b' 和 'c' 分别替换 t-1 次后的长度之和。

  2. 状态定义:定义 f[i][j] 表示字母 j(0 对应 'a',1 对应 'b',依此类推)替换 i 次后的长度。

  3. 状态转移方程:对于每个字母 j,设 c = nums[j],则有: 

  4. 即字母 j 替换 i 次后的长度等于其替换一次后生成的所有字母(共 c 个)在替换 i-1 次后的长度之和。

  5. 初始条件:当 i=0 时,即未进行任何替换,每个字母的长度为 1,因此: f[0][j] = 1

  6. 最终结果:遍历字符串 s,统计每个字母的出现次数 cnt[j],最终结果为所有字母替换 t 次后的长度之和:

这种方法适用于替换次数 t 较小的情况,但对于较大的 t 会导致超时,需要进一步优化。

方法二:矩阵快速幂优化

思路分析

当替换次数 t 非常大时,动态规划的时间复杂度会变得很高。此时,可以利用矩阵快速幂来优化计算过程。

  1. 矩阵表示:将状态转移方程转化为矩阵乘法形式。对于每个字母 j,其替换后的长度可以表示为矩阵乘法的结果。例如,在示例中,状态转移可以表示为:

  2. F[i] = M * F[i-1],其中 M 是转移矩阵。

  3. 递推关系:通过递推可得:
    F[t] = M^t * F[0]

  4. 结果计算:由于 F[0] 全为 1,因此 f[t][j] 等于矩阵 M^t的第 j 行所有元素之和。最终结果为:

  5. 这种方法通过矩阵快速幂将时间复杂度从指数级优化到对数级,能够高效处理大规模的替换次数。

2.4题解代码

class Solution {
public:const int MOD=1000000007;using Matrix = array<array<int,26>,26>;Matrix mul(Matrix &a,Matrix &b)//矩阵乘法{Matrix c{};for(int i=0;i<26;i++){for(int k=0;k<26;k++){if(a[i][k]==0)continue;//如果是0可以直接跳过for(int j=0;j<26;j++){c[i][j]=(c[i][j]+(long long) a[i][k]*b[k][j])%MOD;}}}return c;}Matrix pow(Matrix a,int n)//矩阵快速幂{Matrix res={};for(int i=0;i<26;i++){res[i][i]=1;}while(n){if(n&1){res=mul(res,a);}a=mul(a,a);n>>=1;}return res;}int lengthAfterTransformations(string s, int t, vector<int>& nums) {Matrix m{};for(int i=0;i<26;i++){for(int j=i+1;j<=i+nums[i];j++){m[i][j%26]=1;}}Matrix mt=pow(m,t);int cnt[26]{};for(char c:s){cnt[c-'a']++;}long long ans=0;for(int i=0;i<26;i++){ans += reduce(mt[i].begin(), mt[i].end(), 0LL) * cnt[i];}return ans%MOD;}
};

本题解是在学习力扣题解基础上总结而来,感谢大家观看!

相关文章:

3337|3335. 字符串转换后的长度 I(||)

1.字符串转换后的长度 I 1.1题目 3335. 字符串转换后的长度 I - 力扣&#xff08;LeetCode&#xff09; 1.2解析 递推法解析 思路框架 我们可以通过定义状态变量来追踪每次转换后各字符的数量变化。具体地&#xff0c;定义状态函数 f(i,c) 表示经过 i 次转换后&#xff0…...

【电路笔记 通信】8B/10B编码 高速数据传输的串行数据编码技术 论文第三部分 The 8B/10B coding map

0810逻辑总览 The 8B/10B coding map 图 1 展示了一个通信适配器接口&#xff0c;它由八条数据线 A、B、C、D、E、F、G、H&#xff08;注意&#xff1a;使用大写字母表示&#xff09;、一条控制线 K&#xff0c;以及一条以字节速率运行的时钟线 BYTECLK 组成。控制线 K 用于指…...

智能化双语LaTeX系统,分阶段系统性开发技术实现路径:目标是实现语义级编译和认知增强写作,推动跨文明知识表达

智能化双语LaTeX系统&#xff0c;分阶段系统性开发技术实现路径&#xff08;D认为W可辅助各环节开发&#xff09;&#xff1a; 第一阶段&#xff1a;双语LaTeX引擎升级 1. 核心架构设计 Unicode深度支持 开发新一代XeLaTeX/LuaLaTeX内核 原生支持UTF-8编码&#xff08;如汉…...

【RabbitMQ】路由模式和通配符模式的具体实现

文章目录 路由模式创建队列和交换机生产者代码创建交换机声明队列绑定交换机和队列发送消息完整代码 消费者代码运行程序启动生产者启动消费者 通配符模式创建队列和交换机生产者代码创建交换机声明队列绑定交换机和队列发送消息完整代码 消费者代码运行程序启动生产者启动消费…...

【测试开发知识储备】之Jacoco(Java Code Coverage)

文章目录 Jacoco是什么Jacoco的主要功能&#xff08;一&#xff09;多样化覆盖率指标分析&#xff08;二&#xff09; 丰富的报告生成&#xff08;三&#xff09;实时数据收集 Jacoco的工作原理&#xff08;一&#xff09;字节码增强&#xff08;二&#xff09;测试执行与数据收…...

大二java第一面小厂(挂)

第一场&#xff1a; mybatis怎么防止数据转义。 Hutool用的那些你常用的方法。 springboot的常用注解。 redis的多级缓存。 websocket怎么实现的多人协作编辑功能。 怎么实现的分库分表。 mysql里面的各种操作&#xff0c;比如说分表怎么分&#xff0c;分页查询怎么用。 mybat…...

Postman接口测试

现在企业级测试分为三层测试 UI层&#xff1a;即与用户交互的层面 Service层&#xff1a;比如前后端分离的系统&#xff0c;测试数据的传输 Unit层&#xff1a;单元测试 接口 接口的概念很抽象&#xff0c;比如我们经常使用的USB接口&#xff0c;Lighting接口等传输电量数据…...

试除法判断素数优化【C语言】

代码引用 int is_prime(int num) {if (num < 1) return 0;if (num 2 || num 3) return 1;if (num % 2 0 || num % 3 0) return 0;for (int i 5; i * i < num; i 6) {if (num % i 0 || num % (i 2) 0) return 0;}return 1; } 一、数学原理 所有大于3的素数都可…...

全新开发-iVX图形化编程VS完整IDE

本文针对传统软件开发的效率与可控性矛盾&#xff0c;系统阐释 iVX"图形化编程 全栈 IDE" 的复合架构如何突破行业瓶颈。通过 "可视化建模 - 标准代码生成 - 独立运行" 的技术闭环&#xff0c;iVX 实现开发效率提升 60% 与源码完全可控的双重目标。研究揭…...

前端表格滑动滚动条太费事,做个浮动滑动插件

比如下面的表格&#xff0c;因为滚动条样式设计得很窄&#xff0c;所以用鼠标滑动起来很费劲 <template><el-table:data"tableData"style"width: 600px"height"250"><el-table-columnfixedprop"date"label"日期&…...

基于自校准分数的扩散模型在并行磁共振成像中联合进行线圈灵敏度校正和运动校正|文献速递-深度学习医疗AI最新文献

Title 题目 Joint coil sensitivity and motion correction in parallel MRI with aself-calibrating score-based diffusion model 基于自校准分数的扩散模型在并行磁共振成像中联合进行线圈灵敏度校正和运动校正 01 文献速递介绍 磁共振成像&#xff08;MRI&#xff09;…...

【CUDA】Sgemm单精度矩阵乘法(上)

目录 前言1. 简述2. 框架搭建和CPU串行实现3. baseline算法&#xff1a;global memory4. 优化技巧1&#xff1a;shared memory5. 优化技巧2&#xff1a;shared memory sliding window6. 优化技巧3&#xff1a;增加每个线程的工作量7. 优化技巧4&#xff1a;使用float4提高读取…...

Linux proc文件系统 内存影射

文章目录 常见的内存分配函数/proc/pid/ 目录解析 用户进程的内存空间分配算法mmap 分配大内存可能不在堆中换为 malloc 现象相同 常见的内存分配函数 malloc / calloc / realloc&#xff08;来自 C 标准库&#xff09; void *malloc(size_t size)&#xff1a;分配 size 字节…...

服务器时间发生跳变导致hghac中对应主机状态频繁切换为crash或stop

文章目录 环境症状问题原因解决方案相关文档报错编码 环境 系统平台&#xff1a;N/A 版本&#xff1a;N/A 症状 集群状态&#xff1a; [rootbthbj-hgywsjkjq-ip28-cen76 ~]# hghactl list Cluster: highgo-ee-cluster —---------------------—---------- | Member | Ho…...

“智”造升级:金众诚如何赋能重型机械企业高效项目管理?

据悉&#xff0c;由中国重型机械工业协会主办的2025中国&#xff08;郑州&#xff09;重型机械装备展览会&#xff08;以下简称&#xff1a;重型机械装备展&#xff09;&#xff0c;将于2025年10月15-17日在河南省郑州市中原国际会展中心隆重举办。 作为中国重型机械行业唯一的…...

反向操作:如何用AI检测工具优化自己的论文“人味”?

大家好&#xff0c;这里是论文写手的一线自救指南&#x1f624; 在AIGC横行的今天&#xff0c;谁还没偷偷用过AI写几段论文内容&#xff1f;但问题来了&#xff1a;学校越来越会“识AI”了&#xff01; 有的学校甚至不看重复率&#xff0c;只盯AIGC率报告&#xff0c;一句“AI…...

前端面试宝典---js垃圾回收机制

什么是垃圾回收 垃圾回收是指一种自动内存管理机制&#xff0c;当声明一个变量时&#xff0c;会在内存中开辟一块内存空间用于存放这个变量。当这个变量被使用过后&#xff0c;可能再也不需要它了&#xff0c;此时垃圾回收器会自动检测并回收这些不再使用的内存空间。垃圾回收…...

【docker】--容器管理

文章目录 容器重启--restart 参数选项及作用**对比 always 和 unless-stopped****如何查看容器的重启策略&#xff1f;** 容器重启 –restart 参数选项及作用 重启策略 no&#xff1a;不重启&#xff08;默认&#xff09;。on-failure&#xff1a;失败时重启&#xff08;可限…...

如何下载和安装 Ghost Spectre Windows 11 24H2 PRO

如何下载和安装 Ghost Spectre Windows 11 24H2 PRO 我们都希望拥有一台运行速度飞快的电脑系统,但对于那些使用普通硬件的用户来说,这并不总是可能的。所以,如果你觉得你的 Windows 11 电脑运行缓慢,你并不孤单。许多用户,包括 Reddit 和 YouTube 上的技术爱好者,都在放…...

软考软件设计师中级——软件工程笔记

1.软件过程 1.1能力成熟度模型&#xff08;CMM&#xff09; 软件能力成熟度模型&#xff08;CMM&#xff09;将软件过程改进分为以下五个成熟度级别&#xff0c;每个级别都定义了特定的过程特征和目标&#xff1a; 初始级 (Initial)&#xff1a; 软件开发过程杂乱无章&#xf…...

有关多线程

一、多线程到底是什么&#xff1f;简单说一说 你可以把程序想象成一台工厂。单线程就是工厂里只有一个员工&#xff0c;他做事情、搬产品、打包都靠一个人&#xff0c;他忙起来速度会慢一些。而多线程就像有多个员工同时工作&#xff0c;他们各自干自己的事情&#xff0c;整体…...

静电的起因与静电效应:技术分析与应用

杭州干扰净电子科技有限公司出品&#xff1a; 静电&#xff08;Electrostatics&#xff09;是由于电荷积累或转移引起的现象&#xff0c;广泛存在于日常生活和工业环境中。静电的起因主要包括接触起电、摩擦起电和感应起电&#xff0c;而其效应可能引发静电放电&#xff08;ES…...

Python知识框架

一、Python基础语法 变量与数据类型 变量命名规则 基本类型&#xff1a;int, float, str, bool, None 复合类型&#xff1a;list, tuple, dict, set 类型转换与检查&#xff08;type(), isinstance()&#xff09; 运算符 算术运算符&#xff1a;, -, *, /, //, %, ** 比较…...

npm install 报错

1、protobufjs7.4.0 postinstall: node scripts/postinstall verbose stack Error: protobufjs7.4.0 postinstall: node scripts/postinstall 确认是否有postinstall# node scripts/postinstallCannot find module /home/rio/scripts/postinstall解决办法&#xff1a; # 添加…...

ESP32WIFI工具加透传

工欲善其事&#xff0c;必先利器其器 项目首页 - ESP-12F烧录使用软件与说明书:ESP-12F 烧录使用软件与说明书本仓库提供了ESP-12F模块的烧录使用软件及相关说明书&#xff0c;帮助用户快速上手并使用ESP-12F模块进行开发 - GitCode ATCWMODE 是 ESP32 系列芯片中用于设置 Wi…...

44、私有程序集与共享程序集有什么区别?

私有程序集&#xff08;Private Assembly&#xff09;与共享程序集&#xff08;Shared Assembly&#xff09;是.NET框架中程序集部署的两种不同方式&#xff0c;它们在部署位置、版本控制、访问权限等方面存在显著差异&#xff0c;以下是对二者的详细比较&#xff1a; 1. 部署…...

Hadoop集群故障节点隔离操作指南

一、确认故障节点状态 1‌.查看集群节点状态 hdfs dfsadmin -report # 显示所有DataNode状态(存活/宕机/存储利用率) 输出中标记为 Dead 或 Decommissioning 的节点为异常节点。 ‌ 2.分析监控指标 通过Prometheus/Grafana监控平台检查节点资源(CPU、内存、磁盘I…...

流速仪数据处理及流量断面线绘制

1 需求描述 在实际航道测量项目中&#xff0c;有测量断面线流量流速的需求&#xff0c;得使用流速仪在现场进行测量&#xff0c;相关操作在之前已经写了记录。本次手册记录后期数据处理与流量线绘制&#xff0c;以该区域为例。 流速仪设备操作说明 2 规范要求 3 流量断面表格…...

android实现USB通讯

在 Android 上枚举 USB 设备除了使用 UsbManager.getDeviceList() 方法外&#xff0c;还有以下几种常见的方式&#xff1a; 1. 使用 USB 设备过滤器&#xff08;XML 配置&#xff09; 通过在 AndroidManifest.xml 中配置 USB 设备过滤器&#xff0c;可以让系统自动检测并通知…...

公链开发及其配套设施:钱包与区块链浏览器

公链开发及其配套设施&#xff1a;钱包与区块链浏览器的技术架构与生态实践 ——2025年区块链基础设施建设的核心逻辑与创新突破 一、公链开发&#xff1a;构建去中心化世界的基石 1. 技术架构设计的三重挑战 公链作为开放的区块链网络&#xff0c;需在性能、安全性与去中心…...

SVM在医疗设备故障维修服务决策中的应用:策略、技术与实践

SVM在医疗设备故障维修服务决策中的应用&#xff1a;策略、技术与实践 医疗设备的高可靠性、安全性及严格合规性要求&#xff0c;使其故障维修决策具有显著的特殊性。支持向量机&#xff08;SVM&#xff09;凭借小样本学习、非线性建模及高精度分类能力&#xff0c;可有效解决…...

如何高效集成MySQL数据到金蝶云星空

MySQL数据集成到金蝶云星空&#xff1a;SC采购入库-深圳天一-OK案例分享 在企业信息化建设中&#xff0c;数据的高效流转和准确对接是实现业务流程自动化的关键。本文将聚焦于一个具体的系统对接集成案例——“SC采购入库-深圳天一-OK”&#xff0c;详细探讨如何通过轻易云数据…...

NACOS基于长链接的⼀致性模型

1. 配置⼀致性模型 sdk-server ⼀致性 server 间⼀致性 Server 间同步消息接收处理轻量级实现&#xff0c;重试失败时&#xff0c;监控告警。断网&#xff1a;断网太久&#xff0c;重试任务队列爆满时&#xff0c;无剔除策略。 2. 服务⼀致性模型...

Docker 常见问题及其解决方案

一、安装与启动问题 1.1 安装失败 在不同操作系统上安装 Docker 时&#xff0c;可能会出现安装失败的情况。例如&#xff0c;在 Ubuntu 系统中&#xff0c;执行安装命令后提示依赖缺失。这通常是因为软件源配置不正确或系统缺少必要的依赖包。 解决方案&#xff1a; 确保系统…...

Nginx 动静分离在 ZKmall 开源商城静态资源管理中的深度优化

在 B2C 电商高并发场景下&#xff0c;静态资源&#xff08;图片、CSS、JavaScript 等&#xff09;的高效管理直接影响页面加载速度与用户体验。ZKmall开源商城通过对 Nginx 动静分离技术的深度优化&#xff0c;将静态资源响应速度提升 65%&#xff0c;带宽成本降低 40%&#xf…...

Lighthouse 自定义审计

以下是关于 Lighthouse 自定义审计的基本知识点总结: 一、Lighthouse 自定义审计核心概念 1. 审计机制架构 #mermaid-svg-lzu9WEel4gUome5N {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-lzu9WEel4gUome5N .erro…...

龙虎榜——20250514

上证日线收阳线&#xff0c;大盘股相对强势&#xff0c;整体跌多涨少&#xff0c;量能较昨日放大&#xff0c;大金融发力&#xff0c;但总体处于日线上涨末端&#xff0c;注意风险。 深证日线冲高回落&#xff0c;触及前期压力位&#xff0c;量能未放大&#xff0c;总体处于日…...

基于javaweb的SpringBoot自习室预约系统设计与实现(源码+文档+部署讲解)

技术范围&#xff1a;SpringBoot、Vue、SSM、HLMT、Jsp、PHP、Nodejs、Python、爬虫、数据可视化、小程序、安卓app、大数据、物联网、机器学习等设计与开发。 主要内容&#xff1a;免费功能设计、开题报告、任务书、中期检查PPT、系统功能实现、代码编写、论文编写和辅导、论文…...

二分查找的边界问题

前言 二分查找(Binary Search)是一种高效的查找算法&#xff0c;时间复杂度为O(log n)。它适用于已排序的数组或列表。本文将详细介绍二分查找的两种常见写法&#xff1a;闭区间写法和左闭右开区间写法。 一、二分查找基本思想 二分查找的核心思想是"分而治之"&am…...

应用示例1:交通灯

基于FPGA的交通灯控制系统实现原理详解 目录 基于FPGA的交通灯控制系统实现原理详解一、项目简介二、数字电路与基础知识1. 交通灯系统的有限状态机(FSM)2. 数码管显示原理3. 二进制转BCD显示4. 时钟与分频三、功能需求与系统结构功能需求系统结构四、各模块设计原理说明1. 时…...

Docker 介绍与使用

Docker 文章目录 Docker介绍与虚拟机的比较启动速度占用资源 优势更容易迁移更容易维护更容易扩展 使用场景持续集成提供可伸缩的云服务搭建微服务架构 镜像与容器镜像构成&#xff08;分层结构&#xff09;镜像与容器的区别 安装 Docker常用命令介绍镜像相关容器相关 实战&…...

[数据结构]6. 队列-Queue

队列-Queue 1. 介绍2. 队列实现2.1 基于链表的实现2.2 基于数组的实现 3. 队列操作CreateInitializeDestoryPushPopFrontBackSizeEmpty 1. 介绍 队列&#xff08;queue&#xff09; 是一种遵循先入先出规则的线性数据结构。将队列头部称为“队首”&#xff0c;尾部称为“队尾”…...

mybatis plus (sqlserver) 根据条件来获取id最大的,或者是新增的最新的一条记录(同条件可能会有多条出现)

1、mysql的版本 limit 1 QueryWrapper<Userinfo> queryWrapper new QueryWrapper<>();queryWrapper.eq("fid", payment.getFid());return userinfoMapper.selectOne(queryWrapper.orderByDesc("id").last("limit 1")); 只要类似以…...

打卡DAY25

DAY 25 异常处理 知识点回顾&#xff1a; 1. 异常处理机制 2. debug过程中的各类报错 3. try-except机制 4. 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…...

【C语言指针超详解(六)】--sizeof和strlen的对比,数组和指针笔试题解析,指针运算笔试题解析

目录 一.sizeof和strlen 1.1--sizeof 1.2--strlen 1.3--sizeof和strlen的对比 二.数组和指针笔试题解析 2.1--一维数组 2.2--字符数组 2.2.1--代码1&#xff1a; 2.2.2--代码2&#xff1a; 2.2.3--代码3&#xff1a; 2.2.4--代码4 &#xff1a; 2.2.5--代码5&#…...

Java 异常处理之 BufferUnderflowException(BufferUnderflowException 概述、常见发生场景、避免策略)

一、BufferUnderflowException 概述 BufferUnderflowException 是 Java NIO 包中的一个运行时异常&#xff0c;是 RuntimeException 的子类 public class BufferUnderflowException extends RuntimeException {... }# 继承关系java.lang.Object-> java.lang.Throwable->…...

OpenCV人脸识别LBPH算法原理、案例解析

文章目录 前言一、LBPH 算法原理概述1、LBP 特征计算2、均匀模式与旋转不变性3、直方图统计与识别 二、环境准备1、安装依赖2、数据集结构 三、代码实现&#xff08;完整代码约 150 行&#xff09;1、导入库与配置2、加载数据与标签生成3、 模型训练与保存4、 实时人脸识别5、主…...

Lightpanda开源浏览器:专为 AI 和自动化而设计的无界面浏览器

​一、软件介绍 文末提供程序和源码下载 Lightpanda开源浏览器&#xff1a;专为 AI 和自动化而设计的无界面浏览器&#xff1b; Javascript execution Javascript 执行Support of Web APIs (partial, WIP)支持 Web API&#xff08;部分、WIP&#xff09;Compatible with Pla…...

Docker 疑难杂症解决指南:从入门到进阶的全面剖析

Docker 作为容器化技术的代表&#xff0c;凭借其轻量级、可移植性和高效资源利用率&#xff0c;已成为开发、测试和部署应用的标准工具。然而&#xff0c;在实际使用中&#xff0c;用户常常会遇到镜像构建失败、容器启动异常、网络配置问题等疑难杂症。本文将从镜像构建、容器生…...

CodeBuddy Craft,我的编程搭子

我正在参加CodeBuddy「首席试玩官」内容创作大赛&#xff0c;本文所使用的 CodeBuddy 免费下载链接&#xff1a;腾讯云代码助手 CodeBuddy - AI 时代的智能编程伙伴 你好&#xff0c;我是悟空。 背景 最近项目组事情挺多&#xff0c;一个人要干多个人的活&#xff0c;而且写…...