当前位置: 首页 > news >正文

NO.87十六届蓝桥杯备战|动态规划-完全背包|疯狂的采药|Buying Hay|纪念品(C++)

完全背包

先解决第⼀问

  1. 状态表⽰:
    dp[i][j]表⽰:从前i个物品中挑选,总体积不超过j,所有的选法中,能挑选出来的最⼤价
    值。(这⾥是和01背包⼀样哒)
    那我们的最终结果就是dp[n][V]
  2. 状态转移⽅程:
    线性dp状态转移⽅程分析⽅式,⼀般都是根据最后⼀步的状况,来分情况讨论。但是最后⼀个物品能选很多个,因此我们的需要分很多情况:
    a. 选0个第i个物品:此时相当于就是去前i-1个物品中挑选,总体积不超过j。此时最⼤价值为dp[i - 1][j]
    b. 选1个第i个物品:此时相当于就是去前i-1个物品中挑选,总体积不超过j-v[i]。因为挑选了⼀个i物品,此时最⼤价值为dp[i-1][j-v[i]]+w[i]
    c. 选2个第i个物品:此时相当于就是去前o-1个物品中挑选,总体积不超过j-2 x v[i]。因为挑选了两个i物品,此时最⼤价值为dp[i-1][j - 2 v[i]] + 2 * w[i]
    综上,状态转移⽅程为:
    dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - v[i]] + w[i], dp[i - 1][j - 2 × v[i]] + 2 × w[i]...
    当计算⼀个状态的时候,需要⼀个循环才能搞定的时候,就要想到去优化。优化的⽅向就是⽤⼀个或者两个状态来表⽰这⼀堆的状态,通常就是⽤数学的⽅式做⼀下等价替换。
    观察发现第⼆维是有规律的变化的,因此去看看dp[i][j - v[i]]这个状态:
    dp[i][j - v[i]] = max(dp[i - 1][j - v[i]], dp[i - 1][j - 2 × v[i]] + w[i], dp[i - 1][j - 3 × v[i]] + 2 × w[i]...)
    我们发现,把dp[i][j - v[i]]加上w[i]正好和dp[i][j]中除了第⼀项以外的全部⼀致,因们可以修改状态转移⽅程为:
    dp[i][j] = max(dp[i - 1][j], dp[i][j - v[i]] + w[i])
  3. 初始化:
    我们多加⼀⾏,⽅便我们的初始化,此时仅需将第⼀⾏初始化为0即可。因为什么也不选,也能满⾜体积不⼩于j的情况,此时的价值为0。
  4. 填表顺序:
    根据状态转移⽅程,我们仅需从上往下填表即可。

接下来解决第⼆问:
第⼆问仅需修改⼀下初始化以及最终结果即可。

  1. 初始化:
    因为有可能凑不⻬j体积的物品,因此我们把不合法的状态设置为负⽆穷。这样在取最⼤值的时候,就不会考虑到这个位置的值。负⽆穷⼀般设置为-0x3f3f3f3f即可。
    然后把dp[0][0]修改成0,因为这是⼀个合法的状态,最⼤价值是0,也让后续填表是正确
    的。
  2. 返回值:
    在最后拿结果的时候,也要判断⼀下最后⼀个位置是不是⼩于0 ,因为有可能凑不⻬
    不能判断是否等于-0x3f3f3f3f,因为这个位置的值会被更新,只不过之前的值太⼩,导致更新后还是⼩于0的。
#include <bits/stdc++.h>
using namespace std;const int N = 1010;int n, m;
int v[N], w[N];
int f[N][N];int main()
{ios::sync_with_stdio(false);cin.tie(0);cin >> n >> m;for (int i = 1; i <= n; i++) cin >> v[i] >> w[i];//第一问for (int i = 1; i <= n; i++){for (int j = 0; j <= m; j++){f[i][j] = f[i-1][j];if (j >= v[i]) f[i][j] = max(f[i][j], f[i][j-v[i]] + w[i]);}}cout << f[n][m] << endl;//第二问memset(f, -0x3f, sizeof f);f[0][0] = 0;for (int i = 1; i <= n; i++){for (int j = 0; j <= m; j++){f[i][j] = f[i-1][j];if (j >= v[i]) f[i][j] = max(f[i][j], f[i][j-v[i]] + w[i]);}}if (f[n][m] < 0) cout << 0 << endl;else cout << f[n][m] << endl;return 0;
}

空间优化

#include <bits/stdc++.h>
using namespace std;const int N = 1010;int n, m;
int v[N], w[N];
int f[N];int main()
{ios::sync_with_stdio(false);cin.tie(0);cin >> n >> m;for (int i = 1; i <= n; i++) cin >> v[i] >> w[i];//第一问for (int i = 1; i <= n; i++){for (int j = v[i]; j <= m; j++){f[j] = max(f[j], f[j-v[i]] + w[i]);}}cout << f[m] << endl;//第二问memset(f, -0x3f, sizeof f);f[0] = 0;for (int i = 1; i <= n; i++){for (int j = v[i]; j <= m; j++){f[j] = max(f[j], f[j-v[i]] + w[i]);}}if (f[m] < 0) cout << 0 << endl;else cout << f[m] << endl;return 0;
}
P2918 [USACO08NOV] Buying Hay S - 洛谷

完全背包模版题。

  1. 状态表⽰:
    dp[i][j] 表⽰:从前i 个药材中挑选,总时间不超过j ,此时能采摘到的最⼤价值。
    那么dp[n][m]就是结果。
  2. 状态转移⽅程:
    对于i 位置的药材,可以选择采0, 1, 2, 3… 个:
    a. 选0 个:最⼤价值为dp[i - 1][j]
    b. 选1 个:最⼤价值为dp[i - 1][j - t[i]] + v[i]
    c. 选2 个:最⼤价值为dp[i - 1][j - 2 × t[i]] + 2 × v[i]
    d. …
    由于要的是最⼤价值,应该是上述所有情况的最⼤值。其中第⼆个往后的状态可以⽤dp[i][j - t[i]] + v[i]替代,因此状态转移⽅程为
    dp[i][j] = max(dp[i - 1][j], dp[i][j - t[i]] + v[i])
  3. 初始化:
    全部初始化0 ,不影响后续填表的正确性。
  4. 填表顺序:
    从上往下每⼀⾏,每⼀⾏从左往右。
    空间优化版本也是如此
#include <bits/stdc++.h>
using namespace std;typedef long long LL;const int N = 1e4 + 10, M = 1e7 + 10;int n, m;
int t[N], w[N];
LL f[M];int main()
{ios::sync_with_stdio(false);cin.tie(0);cin >> m >> n;for (int i = 1; i <= n; i++) cin >> t[i] >> w[i];for (int i = 1; i <= n; i++){for (int j = t[i]; j <= m; j++){f[j] = max(f[j], f[j-t[i]]+w[i]);       }}cout << f[m] << endl;return 0;
}
P2918 [USACO08NOV] Buying Hay S - 洛谷

完全背包简单变形。

  1. 状态表⽰:
    dp[i][j]表⽰:从前i 个⼲草公司中挑选,总重量⾄少为j 磅,此时的最⼩开销。
    注意注意注意!这是我们遇到的第三类限制情况。
    之前的限制条件为不超过j ,或者是恰好等于j 。这道题的限定条件是⾄少为j ,也就是说可以超过j。这会对我们分析状态转移⽅程的时候造成影响。
    根据状态表⽰,dp[n][m] 就是结果。
  2. 状态转移⽅程:
    对于i 位置的公司,可以选择买0, 1, 2, 3… 个:
    a. 选0 个:开销为dp[i - 1][j]
    b. 选1个:开销为dp[i - 1][j - p[i]]+c[i] 。问题来了,状态表⽰⾥⾯是⾄少为j ,也就是说j - p[i]⼩于0也是合法的。因为公司提供了p[i]的重量,⼤于j,是符合要求的。但是dp表的下标不能是负数,处理这种情况的⽅式就是对j-p[i]与0取⼀个最⼤值。当重量很⼤的时,只⽤去前⾯凑重量为0的就⾜够了,这样就符合我们的状态表⽰了。因此,最终开销为
    dp[i - 1][max(0, j - p[i])] + c[i]
    c. 选2 个:开销为dp[i - 1][max(0, j - 2 × p[i])] + 2 × c[i]
    d. …
    由于要的是最⼩开销,应该是上述所有情况的最⼩值。
    其中第⼆个往后的状态可以⽤dp[i][max(0, j - p[i])] + c[i] 替代,因此状态转移⽅程为dp[i][j] = min(dp[i - 1][j], dp[i][max(0, j - p[i])] + c[i])
  3. 初始化:
    全部初始化正⽆穷⼤0x3f3f3f3f ,然后dp[0][0] = 0 ,不影响后续填表的正确性。
  4. 填表顺序:
    从上往下每⼀⾏,每⼀⾏从左往右。
    空间优化版本也是如此
#include <bits/stdc++.h>
using namespace std;const int N = 110, M = 50010;int n, m;
int p[N], c[N];
int f[N][M];int main()
{ios::sync_with_stdio(false);cin.tie(0);cin >> n >> m;for (int i = 1; i <= n; i++) cin >> p[i] >> c[i];memset(f, 0x3f, sizeof f);f[0][0] = 0;for (int i = 1; i <= n; i++){for (int j = 0; j <= m; j++){f[i][j] = min(f[i-1][j], f[i][max(0, j-p[i])] + c[i]);        }}cout << f[n][m] << endl;return 0;
}

空间优化

#include <bits/stdc++.h>
using namespace std;const int N = 110, M = 50010;int n, m;
int p[N], c[N];
int f[M];int main()
{ios::sync_with_stdio(false);cin.tie(0);cin >> n >> m;for (int i = 1; i <= n; i++) cin >> p[i] >> c[i];memset(f, 0x3f, sizeof f);f[0] = 0;for (int i = 1; i <= n; i++){for (int j = 0; j <= m; j++){f[j] = min(f[j], f[max(0, j-p[i])] + c[i]);        }}cout << f[m] << endl;return 0;
}
P5662 [CSP-J2019] 纪念品 - 洛谷

总策略:贪⼼。从前往后,⼀天⼀天的考虑如何最⼤⾦币。
因为纪念品可以在当天买,当天卖。因此所有的交易情况,就可以转换成"某天买隔天卖"的情况。那么,我们就可以贪⼼的将每⼀天能拿到的最⼤利润全都拿到⼿:

  • 从第⼀天开始,把第⼀天的⾦币看成限制条件,第⼆天的⾦币看成价值,求出:在不超过m的情况下,能获得的最⼤价值m1;
  • 然后时间来到第⼆天,把这⼀天的⾦币看成限制条件,第三天的⾦币看成价值,求出:在不超m1的情况下,能获得的最⼤价值m2;
  • 以此类推,直到把第t - 1天的情况计算出来,能获得最⼤价值就是结果。
    接下来就处理,拿到第i⾏以及i+1⾏数据,在最⼤⾦币数量为m的前提下,获得的最⼤利润是
    多少?
  • 因为每⼀个纪念品都可以⽆限次购买;
  • 把前⼀⾏看成限制,后⼀⾏减去前⼀⾏的值看成价值,就变成了标准的完全背包问题。
    那我们的解决⽅法就是⼀⾏⼀⾏的跑完全背包,跑⼀⾏拿到最⼤价值,然后放到下⼀⾏继续跑,直到跑完倒数第⼆⾏。
    完全背包的逻辑:
  1. 状态表⽰:
    dp[i][j]表⽰从前i 个纪念品中挑选,总花费不超过j 的情况下,最⼤的利润。
    那么,dp[n][m] + m就是能得到的最⼤⾦币数量
  2. 状态转移⽅程:
    根据最后⼀个纪念品选的数量,分成如下情况:
    a. 如果选0 个:能获得的最⼤⾦币数量为dp[i - 1][j]
    b. 如果选1 个:能获得的最⼤⾦币数量为dp[i - 1][j - w[i]] + v[i] - w[i]
    c. 如果选2 个:能获得的最⼤⾦币数量为dp[i - 1][j - 2 × w[i]] + 2 × (v[i] - w[i])
    d. …
    其中除了第⼀个状态外的所有状态都可以⽤dp[i][j - w[i]] + v[i] - w[i] 来表⽰,⼜因为要的是最⼤值,所以状态转移⽅程就是所有情况的最⼤值。
  3. 初始化
    全为0 即可
#include <bits/stdc++.h>
using namespace std;const int N = 110, M = 1e4 + 10;int t, n, m;
int p[N][N];
int f[M];//完全背包
int solve(int v[], int w[], int m)
{//清空数据memset(f, 0, sizeof f);for (int i = 1; i <= n; i++){for (int j = v[i]; j <= m; j++){f[j] = max(f[j], f[j-v[i]] + w[i] - v[i]);        }}return f[m] + m;
}int main()
{ios::sync_with_stdio(false);cin.tie(0);cin >> t >> n >> m;for (int i = 1; i <= t; i++)for (int j = 1; j <= n; j++)cin >> p[i][j];//贪心for (int i = 1; i < t; i++){m = solve(p[i], p[i+1], m);       }cout << m << endl;return 0;
}

相关文章:

NO.87十六届蓝桥杯备战|动态规划-完全背包|疯狂的采药|Buying Hay|纪念品(C++)

完全背包 先解决第⼀问 状态表⽰&#xff1a; dp[i][j]表⽰&#xff1a;从前i个物品中挑选&#xff0c;总体积不超过j&#xff0c;所有的选法中&#xff0c;能挑选出来的最⼤价 值。&#xff08;这⾥是和01背包⼀样哒&#xff09; 那我们的最终结果就是dp[n][V] 。状态转移⽅…...

Win11企业版安装wsl遇到的坑

起因是windows11上安装了docker desktop&#xff0c;但是启动以后显示Docker Engine stopped&#xff0c;一顿搜索。 可以参考&#xff1a;windows 11系统下打开docker 提示 docker engine stopped - DbWong_0918 - 博客园 我这边主要是检查了第2点&#xff0c;开启windows h…...

C++手撕单链表及逆序打印

在学习数据结构的过程中&#xff0c;链表是一个非常重要的基础数据结构。今天&#xff0c;我们将通过C手动实现一个单链表&#xff0c;并添加一个逆序打印的功能&#xff0c;帮助大家更好地理解链表的实现和操作。 一、链表简介 链表是一种线性数据结构&#xff0c;其中每个元…...

Kubernetes外部etcd集群的快速Docker Compose 部署

一、背景 在高可用 Kubernetes 部署中&#xff0c;需要单独部署外部 etcd 集群&#xff0c;而不是使用 kubeadm 默认在 master 节点上部署的 etcd。以下是关于这一配置场景的详细记录。 二、etcd简介 etcd 是一个高可用的分布式键值存储系统&#xff0c;主要用于存储和管理配…...

docker的目录挂载与卷映射

文章目录 一、目录挂载背景定义使用 二、卷映射背景定义区别使用docker对卷的操作 一、目录挂载 背景 上一文&#xff0c;我们提了docker exec进入容器修改页面很麻烦&#xff0c;所以在这里&#xff0c;我们学习一个新的容器使用方法&#xff0c;叫“目录挂载” 定义 长话…...

十三种物联网/通信模块综合对比——《数据手册--物联网/通信模块》

物联网&#xff0f;通信模块 名称 功能 应用场景 USB转换模块 用于将USB接口转换为其他类型的接口&#xff0c;如串口、并口等&#xff0c;实现不同设备之间的通信。 常用于计算机与外部设备&#xff08;如打印机、扫描仪等&#xff09;的连接&#xff0c;以及数据传输和设…...

IntelliJ IDEA 中安装和使用通义灵码 AI 编程助手教程

随着人工智能技术的发展&#xff0c;AI 编程助手逐渐成为提升开发效率的强大工具。通义灵码是阿里云推出的一款 AI 编程助手&#xff0c;它能够帮助开发者实现智能代码补全、代码解释、生成单元测试等功能&#xff0c;极大地提升了编程效率和代码质量。 IntelliJ IDEA 是一款广…...

工业 IOT 平台重塑锂电龙头数字化未来

在 “双碳” 目标驱动下&#xff0c;新能源锂电池产业正经历前所未有的扩张期。作为全球原材料领域的龙头企业&#xff0c;某锂电巨头在国内布局的多个生产基地却陷入 “成长的烦恼”&#xff1a;车间里工人忙着手工录入数据&#xff0c;设备运行状态靠纸质报表传递&#xff0c…...

蓝牙连接hci 命令和事件的交互

参考&#xff1a;在HCI层看蓝牙的连接过程_hci 获取蓝牙pin码-CSDN博客 我这边查看的是core 5.2 一、数据交互流程 1、ACL连接建立后的可选流程 参考蓝牙core5.2: vol2 --> PartF --> 4 1.1 AUTHENTICATION REQUESTED Authentication can be explicitly executed at …...

Maven超级详细安装部署

1.到底什么是Maven&#xff1f;搞清楚这个 Maven 是一个项目管理工具&#xff0c;主要用于 Java 项目的构建、依赖管理和文档生成。 它基于项目对象模型&#xff08;POM&#xff09;&#xff0c;通过 pom.xml 文件定义项目的配置。 &#xff08;简单说破&#xff1a;就是工程…...

OSPF不规则区域和LSA

OSPF不规则区域 1.远离骨干的非骨干区域 R1-R4四台路由器能够正常学习到彼此路由&#xff0c;但是R5不行&#xff0c;因为R5是非法ABR 解决方法&#xff1a; 1使用Tunnel隧道将AR4连接到骨干区域 &#xff08;1&#xff09; 使用隧道解决不规则区域的问题 a.可能造成选路不…...

深入了解 UI 咨询公司:数字化时代的品牌助推器

在数字化浪潮席卷全球的当下&#xff0c;用户界面&#xff08;UI&#xff09;设计已然成为企业在激烈市场竞争中脱颖而出的关键因素。UI 咨询公司应运而生&#xff0c;凭借其专业的知识与技能&#xff0c;为企业的数字化转型和品牌建设提供强大助力。 UI 咨询公司的重要性 提…...

网络建设与运维神州数码DCN sFlow网络流量信息协议

简介 用于监控网络流量信息的协议。 主要操作&#xff1a;由被监视的交换机&#xff0c;路由器把被监控的数据通过采样&#xff0c;统计等操作发送到用于监控的用户端分析器&#xff0c;由分析器对收到的数据进行用户所要求的分析&#xff0c;从而达到监控网络的目的。 各 sFlo…...

NO.88十六届蓝桥杯备战|动态规划-多重背包|摆花(C++)

多重背包 多重背包问题有两种解法&#xff1a; 按照背包问题的常规分析⽅式&#xff0c;仿照完全背包&#xff0c;第三维枚举使⽤的个数&#xff1b;利⽤⼆进制可以表⽰⼀定范围内整数的性质&#xff0c;转化成01 背包问题。 ⼩建议&#xff1a;并不是所有的多重背包问题都能…...

vue2添加背景水印-手动实现(无组件模式)

1. App.vue <template><div id"app" class"app"><router-view></router-view></div> </template><script> export default {mounted() {this.updateWatermark();// 监听路由变化this.$router.afterEach(() >…...

华为数通Datacom认证考试难度怎么样?

华为数通Datatcom认证是华为针对数据通信领域推出的技术认证体系&#xff0c;分为‌HCIA&#xff08;初级&#xff09;、HCIP&#xff08;中级&#xff09;、HCIE&#xff08;专家级&#xff09;‌三个等级&#xff0c;考试难度逐级递增&#xff0c;对考生的理论知识和实践能力…...

一文读懂WPF系列之常用控件以及样式

WPF控件 控件分类概览常用控件常用控件代码示例和效果 样式与模板应用样式定义​​方式行内样式​​页面/窗口级资源样式&#xff08;Local Resource&#xff09;应用程序全局资源独立资源字典&#xff08;ResourceDictionary&#xff09;控件模板&#xff08;ControlTemplate&…...

代码随想录算法训练营第十四天

LeetCode题目: 513. 找树左下角的值112. 路径总和106. 从中序与后序遍历序列构造二叉树 其他: 今日总结 往期打卡 513. 找树左下角的值 跳转: 513. 找树左下角的值 学习: 代码随想录公开讲解 问题: 给定一个二叉树的 根节点 root&#xff0c;请找出该二叉树的 最底层 最左边…...

国产信创数据库:PolarDB 分布式版 V2.0,支持集中分布式一体化

阿里云PolarDB数据库管理软件&#xff08;分布式版&#xff09;V2.0 &#xff0c;安全可靠的集中分布式一体化数据库管理软件。点此查看详情https://www.aliyun.com/activity/database/polardbx-v2?spma2c6h.13046898.publish-article.8.44146ffaE0lEWT 立即咨询专家&#xf…...

【教学类-102-07】剪纸图案全套代码07——Python点状虚线优化版本+制作1图2图6图

背景需求: 我觉得这个代码里面的输入信息分离太远(42行和241行),想重新优化一下 【教学类-102-05】蛋糕剪纸图案(留白边、沿线剪)04——Python白色(255)图片转为透明png再制作“点状边框和虚线边框”-CSDN博客文章浏览阅读864次,点赞14次,收藏27次。【教学类-102-0…...

基于VSCode的Qt开发‘#include ui_test.h’报错没有该文件

笔者在基于VSCode进行Qt开发时&#xff0c;test.ui文件是在Qt软件中绘制的&#xff0c;导致本项目无法使用这个ui文件&#xff0c;报错如标题。事实上&#xff0c;本工程中也确实没有生成这个头文件。出现这个错误的原因是ui文件没有被编译为c头文件。 要生成 ui_test.h 文件&…...

微信小程序跳2

// 图片压缩 compressImage (image {}, options {}) { return new Promise((resolve, reject) > { const { width 0 } image const { compressAfterSizeFlag false, scaleFlag false, scaleTargetWidth 768 } options // 超过100k压缩 const maxFileSizeLimit 100 …...

如何将excel数据快速导入数据库

最近老是收到一些手工数据&#xff0c;并且需要关联分析&#xff0c;就想到如何快速将数据导入数据库后关联查询输出结果&#xff0c;下面是一段将excel数据写入mysql的脚本&#xff0c;欢迎大家提出优化意见相互学习。 import os import pandas as pd import pymysql import …...

C++之多态

文章目录 一、多态的概念 多态的定义与类型 二、多态的实现 三、虚函数 虚函数的概念 虚函数的重写/覆盖 协变 析构函数的重写/覆盖 override,final关键字 override final 纯虚函数与抽象类 三个概念辨析 四、多态实现的原理 虚函数表指针 动态绑定与静态绑定 …...

从PDF中提取表格:以GB/T2260—2007为例

文章目录 先说结论前因后果思路1、PDF2CSV2、PDF2MD → MD2CSV3、针对不同表格的两种思路1&#xff09; 竖形三线表2&#xff09;五元素为一组 还没结束批量处理1、分割markdown文档2、跳过另一种格式的文档 总结一下 先说结论 结论就是&#xff0c;博主用了一天的时间去研究如…...

日常记录-群晖nas的docker注册表被墙,用Mac电脑的docker拉取镜像并安装到nas中

文章目录 前言一、拉取镜像二、安装到nas中总结 前言 群晖nas的docker注册表被墙&#xff0c;用Mac电脑的docker拉取镜像并安装到nas中 一、拉取镜像 群晖nas的架构师x86&#xff0c;Mac电脑的架构师arm。 在mac电脑中执行命令&#xff1a; # 镜像拉取 docker pull --platf…...

DeepSeek:重构办公效率的AI新范式

目录 一、效率跃迁的三重引擎 二、效率提升的量级突破 三、智能办公的范式转移 四、未来办公的效率奇点 当企业主面对堆积如山的文件审批、跨时区协作的沟通损耗、重复机械的数据整理时&#xff0c;是否想过这些场景正在吞噬团队的生产力&#xff1f;据麦肯锡研究显示&…...

AI小程序+SpringAI+管理后台+源码+支持动态添加大模型+支持动态添加AI应用

前言 今天给大家介绍一款 前端由uniapp开发的小程序&#xff0c;完美在小程序上运行&#xff0c;对话采用流式对话。后端由springbootspringai开发的应用软件源码。 功能简介 支持在管理后台动态新增“DeepSeek”&#xff0c;“openai”&#xff0c;“千帆”&#xff0c;“智…...

RAG的实现快速示例

RAG(Retrieval-Augmented Generation)其实就是结合了检索与生成,核心流程分为 检索(Retrieval) 和 生成(Generation) 两大阶段,通过外部知识库增强生成式模型的准确性和可靠性。 流程其实也很简单,如下图: 关于RAG的基本概念的介绍,可以参考: RAG(检索增强生成)快…...

利用 PHP 爬虫获取京东商品详情 API 返回值说明及代码示例

在电商领域&#xff0c;京东作为国内知名的电商平台&#xff0c;提供了丰富的商品信息。通过调用京东商品详情 API&#xff0c;我们可以获取商品的详细信息&#xff0c;如商品标题、价格、图片、描述等。这些信息对于数据分析、价格监控、商品推荐等场景具有重要价值。本文将详…...

PyTorch CUDA内存管理优化:深度理解GPU资源分配与缓存机制

在深度学习工程实践中&#xff0c;当训练大型模型或处理大规模数据集时&#xff0c;上述错误信息对许多开发者而言已不陌生。这是众所周知的 CUDA out of memory错误——当GPU尝试为张量分配空间而内存不足时发生。这种情况尤为令人沮丧&#xff0c;特别是在已投入大量时间优化…...

大模型基础知识扫盲

1 模型量化&#xff1a; 是什么&#xff1a;大模型量化是一种“压缩”技术&#xff0c;把模型里高精度的数字&#xff08;比如32位浮点数&#xff09;简化成低精度的数字&#xff08;比如8位定点数&#xff09;。 有什么用&#xff1a;它让模型占的空间更小&#xff0c;跑起来…...

《穿透表象,洞察分布式软总线“无形”之奥秘》

分布式系统已成为众多领域的关键支撑技术&#xff0c;而分布式软总线作为实现设备高效互联的核心技术&#xff0c;正逐渐走入大众视野。它常被描述为一条“无形”的总线&#xff0c;这一独特属性不仅是理解其技术内涵的关键&#xff0c;更是把握其在未来智能世界中重要作用的切…...

Python Cookbook-5.13 寻找子序列

任务 需要在某大序列中查找子序列。 解决方案 如果序列是字符串(普通的或者Unicode)&#xff0c;Python 的字符串的 find 方法以及标准库的re模块是最好的工具。否则&#xff0c;应该使用Knuth-Morris-Pratt算法(KMP): def KnuthMorrisPratt(text,pattern): 在序列text中找…...

(自用)蓝桥杯准备(需要写的基础)

要写的文件 led_app lcd_app key_app adc_app usart_app scheduler LHF_SYS一、外设引脚配置 1. 按键引脚 按键引脚配置如下&#xff1a; B1&#xff1a;PB0B2&#xff1a;PB1B3&#xff1a;PB2B4&#xff1a;PA0 2. LCD引脚 LCD引脚配置如下&#xff1a; GPIO_Pin_9 /* …...

STM32Cubemx-H7-14-Bootloader(上)-ST和串口烧录

前言 本文主要研究&#xff0c;如果把ST单片机的SWDIO和SWDCLK引脚改成推挽输出后&#xff0c;我们又应该怎么重新烧录&#xff0c;以及如何使用串口下载。 当没有设置STlink烧录为引脚或者设置成其他功能的时候 如果想恢复&#xff0c;那么就在烧录之前&#xff0c;一直按住…...

“深入浅出:Java中的Lambda表达式及其应用“

前言 Lambda表达式是Java 8引入的一项强大特性&#xff0c;它允许以更加简洁的方式表示匿名函数。Lambda表达式不仅让代码更加简洁、清晰&#xff0c;而且为函数式编程提供了有力支持&#xff0c;从而提升了Java语言的表达能力。 在本文中&#xff0c;我们将深入浅出地探讨La…...

6.1es新特性解构赋值

解构赋值是 ES6&#xff08;ECMAScript 2015&#xff09;引入的语法&#xff0c;通过模式匹配从数组或对象中提取值并赋值给变量。&#xff1a; 功能实现 数组解构&#xff1a;按位置匹配值&#xff0c;如 let [a, b] [1, 2]。对象解构&#xff1a;按属性名匹配值&#xff0c;…...

【从0到1学RabbitMQ】RabbitMQ高级篇

学完基础篇之后我们对用户下单这个业务进行了改造&#xff0c;我们可以吧用户支付这个业务抽出来&#xff0c;放入队列当中去执行。如下图&#xff1a; 但是这里我们思考一下&#xff0c;如果MQ通知失败了&#xff0c;支付服务中支付流水显示支付成功&#xff0c;而交易服务中…...

200 smart pid

PID整定控制面板-S7-200 SMART 跟我学/跟我做之PID功能-系列课程-西门子1847工业学习平台官网 使用西门子200SMART进行PID调节 PID自整定 PID调节技巧_哔哩哔哩_bilibili S7-200 SMART PID PID常见问题...

AI制作PPT,如何轻松打造高效演示文稿

AI制作PPT&#xff0c;如何轻松打造高效演示文稿&#xff01;随着信息化时代的到来&#xff0c;PPT已经成为了几乎所有职场人士、学生、讲师的必备工具。每个人都希望自己的PPT既有创意&#xff0c;又能高效展示信息。而在如今的科技背景下&#xff0c;AI的出现彻底改变了PPT的…...

如何用postman做接口自动化测试?

&#x1f345; 点击文末小卡片&#xff0c;免费获取软件测试全套资料&#xff0c;资料在手&#xff0c;涨薪更快 本文适合已经掌握 Postman 基本用法的读者&#xff0c;即对接口相关概念有一定了解、已经会使用 Postman 进行模拟请求等基本操作。 工作环境与版本&#xff1…...

day29-贪心__134. 加油站__135. 分发糖果__860.柠檬水找零__406.根据身高重建队列

134. 加油站 这道题的贪心方法相当的巧妙。 首先&#xff0c;我们可以通过gas[i] - cost[i]得到第i个站点的净加油量(耗油量)&#xff0c;那么如果我们现在考虑一个从某点a到某点b&#xff0c;那么如果a-》b范围之间的gas[i] - cost[i]存在负数&#xff0c;那么说明无法从a作…...

聊透多线程编程-线程基础-4.C# Thread 子线程执行完成后通知主线程执行特定动作

在多线程编程中&#xff0c;线程之间的同步和通信是一个常见的需求。例如&#xff0c;我们可能需要一个子线程完成某些任务后通知主线程&#xff0c;并由主线程执行特定的动作。本文将基于一个示例程序&#xff0c;详细讲解如何使用 AutoResetEvent 来实现这种场景。 示例代码…...

C# 组件的使用方法

类 Stopwatch 计算时间 Stopwatch sw new Stopwatch(); sw.Start(); // 要执行的代码块 Thread.Sleep(2000);sw.ElapsedMilliseconds // 消耗时间 Console.WriteLine(sw.ElapsedMilliseconds);组件 ListView 属性设置 外观 - View - Details 行为 - Columns -&#xff08;…...

Python常用排序算法

1. 冒泡排序 冒泡排序是一种简单的排序算法&#xff0c;它重复地遍历要排序的列表&#xff0c;比较相邻的元素&#xff0c;如果他们的顺序错误就交换他们。 def bubble_sort(arr):# 遍历所有数组元素for i in range(len(arr)):# 最后i个元素是已经排序好的for j in range(0, …...

HTML5 服务器发送事件(Server-Sent Events)

1. 引言 HTML5 服务器发送事件&#xff08;Server-Sent Events&#xff0c;SSE&#xff09;是一种基于 HTTP 的服务器推送技术&#xff0c;允许服务器主动向客户端&#xff08;如浏览器&#xff09;发送实时更新。SSE 适用于单向通信场景&#xff0c;如新闻推送、实时价格更新…...

【C++游戏引擎开发】第12篇:GLSL语法与基础渲染——从管线结构到动态着色器

一、OpenGL渲染管线解密 1.1 OpenGL渲染管线流程图 #mermaid-svg-GrAgLUat95CVZKm0 {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-GrAgLUat95CVZKm0 .error-icon{fill:#552222;}#mermaid-svg-GrAgLUat95CVZKm0 .e…...

阿里云负载均衡可以抗ddos吗

本文深度解析阿里云负载均衡的DDoS防护机制&#xff0c;通过实测数据验证其基础防御能力边界&#xff0c;揭示需结合云盾高防IP实现TB级流量清洗的工程实践。结合2023年Memcached反射攻击事件&#xff0c;提供混合云架构下的多层级防御方案设计指南。 云原生负载均衡的基础防护…...

动手学习:路径规划原理及常用算法

一、路径规划的基本原理 路径规划&#xff08;Path Planning&#xff09;是机器人导航的核心任务&#xff0c;目标是为机器人找到一条从起点到终点的无碰撞路径&#xff0c;同时满足约束条件&#xff08;如最短路径、最优能耗、安全性等&#xff09;。在人形机器人场景中&…...