当前位置: 首页 > news >正文

【C++】STL库_stack_queue 的模拟实现

       栈(Stack)、队列(Queue)是C++ STL中的经典容器适配器

容器适配器特性

  1. 不是独立容器,依赖底层容器(deque/vector/list)
  2. 通过限制基础容器接口实现特定访问模式
  3. 不支持迭代器操作(无法遍历元素)
  4. 时间复杂度:
    • 栈/队列操作均为O(1)
    • 底层容器影响性能:
      • vector实现栈可能导致扩容拷贝
      • list实现队列保证稳定性能

典型应用场景:

  • 栈:函数调用栈、括号匹配、表达式求值
  • 队列:消息队列、BFS算法、缓冲机制

(栈和队列前面C语言写过,这里直接贴C++代码)

双端队列:

 (不常用,简单介绍和理解)

STL标准库里面默认适配器使用的是deque这个容器,

    deque(双端队列)是C++标准库中的顺序容器,全称"double-ended queue",支持在头尾两端高效插入/删除元素。

         

  • 分段连续存储:由多个固定大小的存储块(称为缓冲区buffer)构成
  • 中控器结构:使用指针数组(map)管理存储块的地址

优势:

  • 任意位置(头尾插入)插入删除
  • 可以随机访问

缺陷:

  • operator[],计算稍显复杂,大量使用,性能下降。
  • 中间插入删除效率不高
  • 底层角度选代器会很复杂

cur 表示当前数据
first 和 last 表示 buffer 的开始和结束
node 反向指向中控位置,方便遍历时找下一个buffer

栈:

template<class T,class Container=deque<T>>
class stack
{
public:void push(const T& x){_con.push_back(x);}void pop();T& top(){return _con.back();}bool empty()const{return _con.empty();}size_t size(){return _con.size();}private:Container _con;};template<class T, class Container>
inline void stack<T, Container>::pop()
{_con.pop_back();
}

队列:

template<class T, class Container = deque<T>>
class queue
{
public:void push(const T& x);void pop(){_con.pop_front();}T& back(){return _con.back();}T& front(){return _con.front();}bool empty()const{return _con.empty();}size_t size(){return _con.size();}private:Container _con;};template<class T, class Container>
inline void queue<T, Container>::push(const T& x)
{_con.push_back(x);
}

仿函数:

        仿函数(Functor),也称为函数对象,是通过重载operator()运算符使得类对象可以像函数一样被调用的技术。它常用于STL算法中,提供灵活且可定制的操作逻辑。

        仿函数设计出来是用来替代函数指针的。

template<class T>
struct greater 
{bool operator()(const T& l, const T& r) const {return l > r;}
};template<class T>
struct less 
{bool operator()(const T& l, const T& r) const {return l < r;}
};

        

优先级队列(priority_queue):

        优先级队列(priority_queue)是C++标准库中的容器适配器,它基于堆数据结构实现,能够保证队列头部始终是最大(默认)或最小值的元素。

        底层的数据结构实际为堆(Heap)。

#include <queue>
priority_queue<int> pq; // 默认大顶堆
priority_queue<int, vector<int>, greater<int>> min_pq; // 小顶堆

PS:

  • Compare 进行比较的仿函数        less->大堆
  • Compare 进行比较的仿函数        greater->小堆
//compare进行比较的仿函数 less->大堆
template<class T, class Container = vector<T>, class Compare=std::less<T>>
class priority_queue
{
public:priority_queue(){}template<class InputIterator>priority_queue(InputIterator first, InputIterator last){while (first!=last){_con.push_back(*first);++first;}//建堆for (int i = (_con.size()-1-1)/2;i>=0;--i){adjust_down(i);}}void adjust_up(size_t child){Compare com;size_t parent = (child - 1) / 2;while (child > 0){if (com(_con[parent] ,_con[child])) { //默认less 向上调整建大堆std::swap(_con[child] , _con[parent]);child = parent;parent = (child - 1) / 2;}else {break;}}}void push(const T& x){_con.push_back(x);adjust_up(_con.size()-1);}void adjust_down(size_t parent){Compare com;size_t child = parent * 2 + 1;while (child < _con.size()) {//选出左右孩子大的那一个 默认less 向下调整建小堆if (child + 1 < _con.size() && com(_con[child],_con[child+1])) {++child;}if (com(_con[parent], _con[child])) {std::swap(_con[child] , _con[parent]);parent = child; child = parent * 2 + 1;}else {break;}}}void pop(){std::swap(_con[0], _con[_con.size() - 1]);_con.pop_back();adjust_down(0);}const T &top()const{return _con[0];}private:Container _con;
};

        代码几乎都是前面写过的,关键是C++让其封装起来了。

代码还是有几个要注意的点:

        STL库里面priority用greater(大于) 比较建立小堆,less(小于)比较建立小堆。所以这里要跟标准库里面保持一致,所以要注意比较时,代码的顺序。

        而这里影响位置顺序的地方在向上调整和向下调整的函数上。

void adjust_up(size_t child)
{Compare com;size_t parent = (child - 1) / 2;while (child > 0){if (com(_con[parent] ,_con[child])) { std::swap(_con[child] , _con[parent]);child = parent;parent = (child - 1) / 2;}else {break;}}
}void adjust_down(size_t parent)
{Compare com;size_t child = parent * 2 + 1;while (child < _con.size()) {if (child + 1 < _con.size() && com(_con[child],_con[child+1])) {++child;}if (com(_con[parent], _con[child])) {std::swap(_con[child] , _con[parent]);parent = child; child = parent * 2 + 1;}else {break;}}
}

构建堆的复杂度差异:

  • 自底向上建堆:时间复杂度为 O(n),因为大多数节点位于低层。
  • 自顶向下建堆:时间复杂度为 O(n log n),因为每个元素插入时都可能需要 O(log n) 调整。

所以这里使用自底向上建堆。

_con[parent] > _con[child]
等价于 
_con[child] <  _con[parent] _con[parent] < _con[child]
等价于 
_con[child] >  _con[parent] 

        这里写法顺序的不同,会导致代码的意思不同。这里要跟库里面最好保持一直。库里面是greater(大于)建立小堆,所以这里 > 保持不变的情况下,_con[parent] 要放在左边, _con[child] 要放在右边 (自顶向下建堆

        根据代码的意思就可以知道,如果 _con[parent] > _con[child],则交换父子节点的数据,那么一直到根节点,数据变成了上面下,下面大的结构,就建成了小堆。同理 如果是  _con[child] > _con[parent],则变成了数据上面大,下面小的结构,会建成大堆。


    相关文章:

    【C++】STL库_stack_queue 的模拟实现

    栈&#xff08;Stack&#xff09;、队列&#xff08;Queue&#xff09;是C STL中的经典容器适配器 容器适配器特性 不是独立容器&#xff0c;依赖底层容器&#xff08;deque/vector/list&#xff09;通过限制基础容器接口实现特定访问模式不支持迭代器操作&#xff08;无法遍历…...

    DeepSeek 助力 Vue3 开发:打造丝滑的表格(Table)之添加行拖拽排序功能示例13,TableView16_13 键盘辅助拖拽示例

    前言:哈喽,大家好,今天给大家分享一篇文章!并提供具体代码帮助大家深入理解,彻底掌握!创作不易,如果能帮助到大家或者给大家一些灵感和启发,欢迎收藏+关注哦 💕 目录 DeepSeek 助力 Vue3 开发:打造丝滑的表格(Table)之添加行拖拽排序功能示例13,TableView16_13 键…...

    Python的概论

    免责声明 如有异议请在评论区友好交流&#xff0c;或者私信 内容纯属个人见解&#xff0c;仅供学习参考 如若从事非法行业请勿食用 如有雷同纯属巧合 版权问题请直接联系本人进行删改 前言 提示&#xff1a;&#xff1a; 提示&#xff1a;以下是本篇文章正文内容&#xff0c…...

    AI 数字人短视频数字人口播源码:短视频内容生产的新引擎​

    在当下信息爆炸的时代&#xff0c;短视频已成为主流的信息传播与娱乐方式之一。在如此庞大的市场需求下&#xff0c;如何高效、创新地生产短视频内容成为了行业关注的焦点。AI 数字人短视频数字人口播源码应运而生&#xff0c;为短视频内容生产带来了全新的变革。​ 一、行业背…...

    数字人训练数据修正解释

    数字人训练数据修正和查看 不需要GPU也能运行的DH_live-案例 : I tensorflow/core/util/port.cc:153] oneDNN custom operations are on. You may see slightly different numerical results due to floating-point round-off errors from different computation orders. To t…...

    VRRP虚拟路由器冗余协议

    一、VRRP介绍 VRRP&#xff08;Virtual Router Redundancy Protocol&#xff0c;虚拟路由器冗余协议&#xff09;是一种用于提高网络可靠性的协议&#xff0c;旨在通过冗余机制解决默认网关单点故障问题。 核心思想&#xff1a;将多个物理路由器虚拟成一个逻辑路由器&#xf…...

    微前端 - 以无界为例

    一、微前端核心概念 微前端是一种将单体前端应用拆分为多个独立子应用的架构模式&#xff0c;每个子应用可独立开发、部署和运行&#xff0c;具备以下特点&#xff1a; 技术栈无关性&#xff1a;允许主应用和子应用使用不同框架&#xff08;如 React Vue&#xff09;。独立部…...

    Python与图像处理

    目录 一、认识图像 1、图像的构成 2、图像模式 二、处理图像 1、图像缩放 2、图像的旋转和翻转 3、滤镜效果 4、图片剪裁 5、图片素描 6、图片加水印 在众多的Python的第三方的库中&#xff0c;Pillow库是一个强大且方便的库&#xff0c;它能够处理图像&#xff0c;比…...

    Lua语言脚本环境配置

    参考地址&#xff1a;Lua 教程 | 菜鸟教程 Windows等直接下载安装地址&#xff1a;Lua Binaries 上面也是会跳转下载&#xff1a;https://sourceforge.net/projects/luabinaries/ 下载解压后在“环境变量”中添加路径&#xff0c;添加后如果cmd中还是无法使用lua命令&#x…...

    JavaScript的异步编程

    目录 目标 实战 回调函数 (Callback) Promise 目标 了解异步编程实现方式。 实战 回调函数 (Callback) 当某个任务完成后&#xff0c;调用回调函数来处理结果。它通常会导致回调地狱&#xff0c;即嵌套多个回调函数&#xff0c;官方不推荐使用。 function fetchData(call…...

    Ubuntu里安装Jenkins

    【方式1】&#xff1a;下载war包&#xff0c;直接运行&#xff0c;需提前搭建Java环境&#xff0c;要求11或17&#xff0c;不推荐&#xff0c;war包下载地址&#xff0c;将war包上传到服务器&#xff0c;直接使用命令启动 java -jar /data/jenkins/jenkins.war【方式2】&#…...

    qt介绍tcp通信

    服务器端代码 #include "mainwindow.h" #include "ui_mainwindow.h"MainWindow::MainWindow(QWidget *parent): QMainWindow(parent), ui(new Ui::MainWindow) {ui->setupUi(this);setWindowTitle("服务器");ui->port->setText("…...

    elementui的默认样式修改

    今天用element ui &#xff0c;做了个消息提示&#xff0c;发现提示的位置总是在上面&#xff0c;如图&#xff1a; 可是我想让提示的位置到下面来&#xff0c;该怎么办&#xff1f; 最后还是看了官方的api 原来有个自定义样式属性 customClass 设置下就好了 js代码 css代码 效…...

    【Windows】win10系统安装.NET Framework 3.5(包括.NET 2.0和3.0)失败 错误代码:0×80240438

    一、.NET3.5(包括.NET 2.0和3.0)安装方式 1.1 联网安装(需要联网,能访问微软,简单,很可能会失败) 1.2 离线安装-救急用(需要操作系统iso镜像文件,复杂,成功几率大) 二、联网安装 通过【控制面板】→【程序】→【程序和功能】→【启用或关闭Windows功能】 下载过程…...

    leetcode 53.Maximum Subarray

    分治法 //lSum表示[left,right]内以left为左端点的最大子段和 //rSum表示[left,right]内以right为右端点的最大字段和 //iSum表示[left,right]的区间和 int divide_conquer(int* nums,int left,int right,int *lSum,int *rSum,int *iSum){int maxSum;//表示[left,right]内的最…...

    手机零售行业的 AI 破局与创新降本实践 | OceanBase DB大咖说

    OceanBase《DB 大咖说》第 20 期&#xff0c;我们邀请了九机与九讯云的技术总负责人&#xff0c;李远军&#xff0c;为我们分享手机零售企业如何借力分布式数据库OceanBase&#xff0c;赋能 AI 场景&#xff0c;并通过简化架构实现成本管控上的突破与创新。 李远军于2016年加入…...

    基于MCU实现的电机转速精确控制方案:软件设计与实现

    本文将详细介绍一篇基于微控制器&#xff08;MCU&#xff09;的电机转速精确控制的软件方案。通过采样PWM信号控制和ADC采样技术&#xff0c;结合PID闭环控制算法&#xff0c;实现了电机转速的高效、稳定调节。以下是软件方案流程图&#xff0c;下文将对其进行展开讲解。 原图太…...

    【力扣hot100题】(026)合并两个有序链表

    可以创建一个新链表记录答案&#xff1a; /*** Definition for singly-linked list.* struct ListNode {* int val;* ListNode *next;* ListNode() : val(0), next(nullptr) {}* ListNode(int x) : val(x), next(nullptr) {}* ListNode(int x, ListNode *…...

    从代码学习深度学习 - 使用块的网络(VGG)PyTorch版

    文章目录 前言一、VGG网络简介1.1 VGG的核心特点1.2 VGG的典型结构1.3 优点与局限性1.4 本文的实现目标二、搭建VGG网络2.1 数据准备2.2 定义VGG块2.3 构建VGG网络2.4 辅助工具2.4.1 计时器和累加器2.4.2 准确率计算2.4.3 可视化工具2.5 训练模型2.6 运行实验总结前言 深度学习…...

    程序化广告行业(46/89):竞价结算规则、底价策略与内部排名解析

    程序化广告行业&#xff08;46/89&#xff09;&#xff1a;竞价结算规则、底价策略与内部排名解析 大家好&#xff01;在之前的几篇博客中&#xff0c;我们已经深入探讨了程序化广告的多个重要方面&#xff0c;从基础概念到实际操作流程。我写这些博客的目的&#xff0c;就是希…...

    C/C++ 基础 - 回调函数

    目录 前言 回调函数预备知识 函数指针 什么是函数指针 函数指针的语法 如何用函数指针调用函数 函数指针作为函数的参数 函数指针作为函数返回类型 函数指针数组 回调函数 什么是回调函数 为什么要用回调函数 怎么使用回调函数 总结 前言 在写项目的时候&#x…...

    【Node.js入门笔记12---npm包】

    Node.js入门笔记12 Node.js---npm包一、什么是npm包&#xff1f;二、npm 基础使用三、包管理配置文件&#xff08;package.json&#xff09;四、提升下载速度 五、包的分类 Node.js—npm包 一、什么是npm包&#xff1f; 定义 npm&#xff08;全称 Node Package Manager&#x…...

    黑盒测试的正交实验法

    背景: 利用因果图法、判定表法可以帮助我们对于输入数据的组合情况进行用例设计&#xff0c;但当输入数据的组合数量巨大时&#xff0c;由于不太可能覆盖到每个输入组合的测试情况&#xff0c;因果图法或判定表法可能就不太适用了&#xff0c;可以采用正交实验法、来合理地减少…...

    链表算法的技巧和方法

    常用技巧&#xff1a; 1、画图 2、引入虚拟的头节点 3、不要害怕浪费空间&#xff0c;要勇于定义变量&#xff0c;eg:当链表的插入和删除的时候&#xff0c;为了便于结构体指针的连续性&#xff0c;就需要定义一个新的结构体指针&#xff0c;能更加方便&#xff1b; 4、使用快慢…...

    Upload-labs 靶场搭建 及一句话木马的原理与运用

    1、phpstudy及upload-labs下载 &#xff08;1&#xff09;下载phpstudy小皮面板 首先需要软件phpstudy 下载地址 phpStudy下载-phpStudy最新版下载V8.1.1.3 -阔思亮 &#xff08;2&#xff09;然后到github网址下载源码压缩包 网址 https://github.com/c0ny1/upload-labs 再…...

    基于PX4和Ardupilot固件下自定义MAVLink消息测试(QGroundControl和Mission Planner)

    在无人机行业&#xff0c;MAVLink&#xff08;Micro Air Vehicle Link&#xff09;协议已经成为了通信的标准协议。MAVLink协议定义了一种轻量级的消息传输格式&#xff0c;广泛应用于PX4和ArduPilot等开源无人机飞控固件中。通过自定义MAVLink消息&#xff0c;我们可以为无人机…...

    Maven快速上手

    在前面我们学习了许多关于JAVA的知识&#xff0c;从今天这个博客开始我们就要进入到JAVAEE进阶的学习中了&#xff0c;在这里你们可以学到项目是怎么被我们一步步写出来。让我们为之加油吧&#xff01;&#xff01;&#xff01;&#xff01; 本期讲解&#xff1a; 1.了解Maven…...

    【Django】教程-5-ModelForm增删改查+规则校验【正则+钩子函数】

    【Django】教程-1-安装创建项目目录结构介绍 【Django】教程-2-前端-目录结构介绍 【Django】教程-3-数据库相关介绍 【Django】教程-4-一个增删改查的Demo 11. ModelForm 11.1 models.py from django.utils import timezone from django.db import models# 数据库&#xff…...

    JavaScript中 == 和 === 区别

    == 运算符 它是相等运算符,用于比较两个 值 是否相等 ( 如果两个值的类型不同,它会尝试将它们转换为相同的类型,然后再比较。) 示例: console.log(1 == 1); // true,因为1被转换为数字1,所以相等 console.log(1 == true); // true,因为true被转换为数字1,所以相等…...

    使用LangChain Agents构建Gradio及Gradio Tools(3)——使用Langchain agents构建Gradio UI

    使用LangChain Agents构建Gradio及Gradio Tools(3)——使用Langchain agents构建Gradio UI 本篇摘要16. 使用LangChain Agents构建Gradio及Gradio Tool16.3 使用Langchain agents构建Gradio UI16.3.1 创建代理16.3.2 创建Gradio UI16.3.3 运行demo参考文献本章目录如下: 《使…...

    scikit-surprise 智能推荐模块使用说明

    目录 1、前言 2、算法 3、数据集 3.1 three built-in datasets are available: 3.2 Load a dataset from a pandas dataframe. 3.3 Load a dataset from a (custom) file. 3.4 Load a dataset where folds (for cross-validation) are predefined by some files. 4、pre…...

    基于python开发的邮箱合并群发工具

    智能邮件群发系统 一个基于Python和PyQt5开发的智能邮件群发工具&#xff0c;支持Word模板和Excel数据源的自动匹配&#xff0c;具有现代化UI界面和友好的用户体验。 Github项目地址&#xff1a;https://github.com/liugang926/Auto-mail-sent.git dist目录有编译好的exe程序&…...

    分治算法之凸包问题

    1. 算法思路 基本思想 利用分治策略解决凸包问题主要分为两大步骤&#xff1a; 分解&#xff08;Divide&#xff09;&#xff1a; 将所有点按照 x 坐标排序&#xff0c;并将点集分为左右两部分。 递归地对左右两部分分别求解凸包。 合并&#xff08;Conquer/Merge&#xf…...

    OpenBMC:BmcWeb 处理http请求3 字典树查找节点

    OpenBMC:BmcWeb 处理http请求2 查找路由对象-CSDN博客 findRouteByPerMethod实际上是调用了perMethod.trie.find(url);来查找路由对象的 class Trie {struct FindResult{unsigned ruleIndex;std::vector<std::string> params;};FindResult findHelper(const std::string…...

    音频进阶学习二十五——脉冲响应不变法实现低通滤波器

    文章目录 前言一、脉冲响应不变法1.定义2.模拟系统冲激响应的周期采样3.模拟系统和数字系统的频域响应关系1&#xff09;S域和Z域的关系2&#xff09;幅频响应的关系 4.通过有理函数设计滤波器5.总结 二、低通滤波器的设计实例1.给定数字滤波器指标2.转换模拟滤波器指标3.模拟滤…...

    Linux中输入输出管理技巧

    一、输入输出使用到的系统资源 1、字符设备&#xff08;Character Devices&#xff09; 什么是字符设备 字符设备是 Linux 中的一类设备&#xff0c;支持以字符为单位进行数据传输。与块设备不同&#xff0c;字符设备不需要缓 冲区&#xff0c;即数据是逐字节直接传递的。典…...

    wireshark抓包工具的使用

    下载地址&#xff1a;https://www.wireshark.org/#downloadLink 安装方式&#xff0c;一路next。 使用方式 第一步启动后选择你要抓包的网卡&#xff0c;ipconfig 可以查看你的默认网卡&#xff0c;我的是 以太网 双击进入。 筛选操作&#xff08;快速筛选方式&#xff09…...

    javaweb自用笔记:文件上传案例、登录(统一拦截)案例

    文件上传 或者说新建一个类配置好信息&#xff0c;然后到aliOssUtils里面用getter、setter方法获取到配置项 登录&#xff08;统一拦截&#xff09; 前端要json格式的数据&#xff0c;捕获到异常后前端可以显示错误&#xff08;对不起&#xff0c;操作失败&#xff0c;请联系管…...

    【区块链安全 | 第十七篇】类型之引用类型(一)

    文章目录 引用类型数据存储位置分配行为 数组特殊数组&#xff1a;bytes 和 string 类型bytes.concat 和 string.concat 的功能分配 memory 数组数组字面量&#xff08;Array Literals&#xff09;二维数组字面量数组成员&#xff08;Array Members&#xff09;悬空引用&#x…...

    2025国内DevOps新手突围指南:从Gitee零门槛入门到工具链深度对比

    对于刚接触DevOps的新手&#xff0c;推荐优先选择Gitee DevOps平台&#xff0c;其次是Jenkins和GitLab。Gitee DevOps作为国内领先的一站式研发效能平台&#xff0c;深度融合代码托管、持续集成/持续交付&#xff08;CI/CD&#xff09;、项目协作等功能&#xff0c;不仅界面简洁…...

    【C语言】文件操作(2)

    一、文件的随机读写 在前面我们学习了文件的顺序读写的函数&#xff0c;那么当我们要读取某个指定位置的内容的时候&#xff0c;是否只能顺序的读取到这个内容&#xff1f;还有在对文件进行输入的时候&#xff0c;需要对指定的位置进行写入&#xff0c;那么此时应该怎么办呢&a…...

    将内网的IP地址映射到外网的几种方案

    文章目录 1. 背景与目标2. 核心方案选型3. 方案A&#xff1a;路由器端口映射&#xff08;详细步骤&#xff09;3.1 前置条件3.2 配置流程3.3 验证访问 4. 方案B&#xff1a;云平台NAT网关配置&#xff08;以阿里云为例&#xff09;4.1 前置条件4.2 配置流程4.3 验证访问 5. 方案…...

    基于深度学习的图像超分辨率技术研究与实现

    一、引言 在数字图像处理领域,图像超分辨率技术一直是一个备受关注的热点话题。随着人们对图像质量要求的不断提高,如何将低分辨率图像提升到高分辨率,同时保持图像的细节和清晰度,成为了一个极具挑战性的问题。传统的图像超分辨率技术主要依赖于插值方法,如双线性插值、双…...

    A股复权计算_权息数据整理

    目录 前置&#xff1a; 步骤&#xff1a; 1 以通达信为参照 2 从优矿获取所需数据 2.1 股票配股信息 2.2 股票分红信息 2.3 股票拆股信息 3 合并数据&#xff0c;制成权息数据表 权息数据截止20250329.7z 视频 前置&#xff1a; 1 本系列将以 “A股复权计算_” 开头…...

    如何进行Prompt调优?

    一. 神奇的咒语 在输入prompt前&#xff0c;加入下面这一段“神奇的咒语”&#xff0c;中文或者英文&#xff0c;就能帮你优化提示词。 I want you to become my Expert Prompt Creator. Your goal is to help me craft the best possible prompt for my needs. The prompt yo…...

    Git Tag 详解:版本管理与实战指南

    文章目录 Git Tag 详解&#xff1a;版本管理与实战指南1. Git Tag 的类型2. Git Tag 的常见操作(1) 创建标签① 创建轻量标签② 创建附注标签③ 给指定的提交打标签 (2) 查看标签(3) 删除标签(4) 推送标签到远程① 推送单个标签② 推送所有标签 (5) 删除远程标签 3. 使用 Tag 的…...

    从零开始打造HTML5拼图游戏:一个Canvas实战项目

    从零开始打造HTML5拼图游戏&#xff1a;一个Canvas实战项目 先看效果&#xff1a; 你是否曾经被那些精美的网页拼图游戏所吸引&#xff1f;用 HTML5 的 Canvas 技术&#xff0c;从零开始&#xff0c;教你怎么画图、处理鼠标事件&#xff0c;还有游戏的核心逻辑&#xff0c…...

    【数据分享】2000—2024年我国乡镇的逐年归一化植被指数(NDVI)数据(年最大值/Shp/Excel格式)

    之前我们分享过2000-2024年我国逐年的归一化植被指数&#xff08;NDVI&#xff09;栅格数据&#xff0c;该逐年数据是取的当年月归一化植被指数&#xff08;NDVI&#xff09;的年最大值&#xff01;另外&#xff0c;我们基于此年度栅格数据按照行政区划取平均值&#xff0c;得到…...

    设计模式 Day 2:工厂方法模式(Factory Method Pattern)详解

    继 Day 1 学习了单例模式之后&#xff0c;今天我们继续深入对象创建型设计模式——工厂方法模式&#xff08;Factory Method&#xff09;。工厂方法模式为对象创建提供了更大的灵活性和扩展性&#xff0c;是实际开发中使用频率极高的一种设计模式。 一方面&#xff0c;我们将简…...

    TensorFlow SegFormer 实战训练代码解析

    一、SegFormer 实战训练代码解析 SegFormer 是一个轻量级、高效的语义分割模型&#xff0c;结合了 ViT&#xff08;视觉 Transformer&#xff09; 和 CNN 的高效特征提取能力&#xff0c;适用于边缘 AI 设备&#xff08;如 Jetson Orin&#xff09;。下面&#xff0c;我们深入…...