原创 Anaconda環境下安裝keras-contrib

python環境下安裝keras-contrib 在終端輸入pip install git+https://www.github.com/farizrahman4u/keras-contrib.git Anaconda環境下安裝k

原创 Django修改和新增已生成表的字段

情況1:修改原表的字段不爲空 若需要修改的字段不爲空,並且有數據的情況下,修改該字段名,如下圖所示 原表結構: 修改後的表結構: 修改之後在命令行輸入python manage.py makemigrations,則會提示是否

原创 【Leetcode 33】搜索旋轉排序數組

題目描述 解題思路 瞭解二分查找法 二分查找也稱折半查找(Binary Search),它是一種效率較高的查找方法。但是,二分查找要求線性表必須採用順序存儲結構,而且表中元素按關鍵字有序排列。它的實質上、是不斷地將有序數據集進行

原创 【Leetcode 34】在排序數組中查找元素的第一個和最後一個位置

題目描述 解題思路 解法一:二分查找法 第一步:通過正常的二分查找法定位到要查找到的元素 第二步:定位到指定的元素後,再找到它的開始和結束位置 舉例說明: 當nums[mid] == target時,開始查找第一個和最後一個位

原创 【Leetcode 31】下一個排列

題目描述 解題思路 理解題意 本題首先最大的難點是理解題目的意思,題目意思是給定一個有幾個數字組成的數值,將這些數字重新排列,剛好得到比該數值大的新數值,如果沒有比題目給定的數值大的就返回題目給的數值。比如說:給定的數值爲123

原创 【Leetcode 28】實現strStr()

題目描述 解題思路 解法一:雙指針法 左指針的值從haystack的0位置開始,右指針的初始值爲needle的長度,根據需要匹配(ll)的長度來確定滑動的長度。 匹配needle是否與haystack相等,如果相等就返回L

原创 刷leetcode總結之【雙指針法】

爲什麼要用到雙指針 在刷leetcode的過程中,很多題目都要求不能開闢更多的內存空間,只能在原有的內存空間上進行修改,對於常規的採用循環或者雙重循環來說就不適用了,這是雙指針法的好處就體現出來了 什麼是雙指針法 雙指針,指的是在

原创 【Leetcode24 兩兩交換鏈表中的節點】

題目描述 解題思路 解法一:迭代法 原鏈表: 添加空頭後的鏈表: 第一次交換: ① ② ③ python代碼 # Definition for singly-linked list. # class ListNode:

原创 【Leetcode 23】合併K個排序鏈表

題目描述 解題思路 解法一:暴力法 遍歷k個鏈表,將所有節點值保存到列表中 將列表排序 遍歷排序後的列表,創建一個新的有序鏈表 python代碼 # Definition for singly-linked list. #

原创 【Leetcode 19】刪除鏈表的倒數第n個節點

題目描述 解題思路 解法一 使用pop函數 將值保存到列表中,使用pop函數刪掉倒數第n個節點,再根據列表重新創建鏈表。 python代碼 # Definition for singly-linked list. # class

原创 【Leetcode7】整數反轉

題目描述 解題思路 解法一:暴力法 分情況: 1、值只能在[−2^31, 2^31 − 1]區間,也就是(-2147483648 ,2147483647),否則返回0 2、值在(-10,10)區間直接返回該數 3、當值前面有

原创 【Leetcode5】最長迴文子串

題目描述 解題思路 迴文數:迴文數是指正序(從左向右)和倒序(從右向左)讀都是一樣的整數。(第1個數和第n個數相等,第2個數和第n-1個數相等…) 解法一:暴力法(超時) python代碼 枚舉所有長度大於等於 2的子串,依次

原创 centos命令

centos命令 查看顯卡使用情況 nvidia-smi 可以看出顯卡驅動爲440.64,對應的cuda版本爲10.2,擁有兩塊tesla M60的顯卡,顯卡內存爲8G,兩塊顯卡佔用率爲99% 查看內存使用情況 free -m

原创 上傳代碼至github倉庫、刪除github代碼倉庫

上傳代碼至github倉庫 在註冊登錄後,點擊+號選擇New repository創建新的倉庫 填寫倉庫名稱,建議勾選初始化一個README 點擊創建倉庫,複製地址 接下來就到本地操作了,在本地將要上傳的文件夾目錄下右鍵G

原创 numpy計算函數和tf計算函數

numpy計算函數 1、np.random.choice() 參數意思分別 是從a 中以概率P,隨機選擇3個, p沒有指定的時候相當於是一致的分佈 a1 = np.random.choice(a=5, size=3, replac