循环节 循环节：指在序列中出现的一种重复的、周期性的模式。这个模式可以是一组连续的元素，也可以是整个序列的重复。 周期性特征：序列中的循环节反映了序列的周期性特征，即序列中的某一段会以某种方式重复出现。 寻找循环节的方法 快慢指针法：用两个指针，一个每次走一步，另一个每次走两步。如果存在循环节，两个指针最终会相遇。 哈希表法：使用哈希表记录每次遍历的状态，如果发现某个状态已经出现过，说明存在循环节。 统计重复个数 定义 str = [s, n] 表示 str 由 n 个字符串 s 连接构成。 例如，str == ["abc", 3] =="abcabcabc" 。 如果可以从 s2 中删除某些字符使其变为 s1，则称字符串 s1 可以从字符串 s2 获得。 例如，根据定义，s1 = "abc" 可以从 s2 = "ab***dbe***c" 获得，仅需要删除加粗且用斜体标识的字符。 现在给你两个字符串 s1 和 s2 和两个整数 n1 和 n2 。由此构造得到两个字符串，其中 str1 = ...

差分数组 1234a[0] a[1] a[2] a[3] a[4] (0)差分数组: a[0] a[1]-a[0] a[2]-a[1] a[3]-a[2] a[4]-a[3] (-a[4])对差分数组求前缀和: a[0] a[1] a[2] a[3] a[4] (0)// 考虑末尾0(-a[4])，那么差分数组之和sum=0 前缀和就是离散版本的“求积分”，差分数组就是离散版本的“求微分” 形成目标数组的子数组最少增加次数 给你一个整数数组 target 和一个数组 initial ，initial 数组与 target 数组有同样的维度，且一开始全部为 0 。 请你返回从 initial 得到 target 的最少操作次数，每次操作需遵循以下规则： 在 initial 中选择 任意 子数组，并将子数组中每个元素增加 1 。 答案保证在 32 位有符号整数以内。 示例 1： 1234567输入：target = [1,2,3,2,1]输出：3解释：我们需要至少 3 次操作从 intial 数组得到 target 数组。[0,0,0,0,0] 将下标为 0 到 4 的元素（包 ...

前缀和 前缀和是一种数组变换方法，通过将数组中每个元素替换为从数组起始位置到当前位置的所有元素之和。这样，计算任意区间的和变得非常高效，只需一次前缀和计算即可，而不需要多次重复计算。 123int[] nums;int n = nums.length, sum[] = new int[n+1];sum[i+1] = sum[i] + nums[i]; 需要用sum[0]表示空数组的和 l到r的区间和表示为 sum[r+1] - sum[l] 例如，nums[0]到nums[5]的区间和表示为 sum[6] - sum[0] 二维前缀和 定义sum[i+1][j+1]表示左上角grid[0][0]，右下角grid[i][j]的子矩阵元素和 123456int[][] sum = new int[m + 1][n + 1];for (int i = 0; i < m; i++) { for (int j = 0; j < n; j++) { sum[i + 1][j + 1] = sum[i + 1][j] + sum[i][j + 1] ...

单调栈 单调栈(Monotonic Stack)是一种特殊的栈，它首先是一个栈，其次栈中的所有元素单调递增或者单调递减 上下界 单调栈在算法中的应用在于它能够在一次扫描(从左到右)即O(n)的复杂度之内找到数组中每一个元素的后上界(单增栈)或者后下界(单减栈) 2866. 美丽塔 II(2072) 1944. 队列中可以看到的人数(2105) 双单调栈 2454. 下一个更大元素 IV(2175) 单调队列 从「维护单调性」的角度上来说，单调队列和单调栈是一样的。在单调栈的基础上，单调队列多了一个「移除队首」的操作，这类似滑动窗口移动左指针 left 的过程。所以从某种程度上来说，单调队列 = 单调栈 + 滑动窗口。 滑动窗口最值问题 239. 滑动窗口最大值 2944. 购买水果需要的最少金币数(1709)

用GitHub Actions实现memos备份 正文 我的memos是在replit提供的免费服务器上部署的，数据也保存在这个服务器上，我怕哪天上面的数据没了，所以写了个GitHub Actions备份脚本 可以新建一个GitHub仓库，并开启Actions的读写权限：仓库的Settings-Actions-General-Workflow permissions-选择Read and write permissions 在.github\workflows\main.yml中： 12345678910111213141516171819202122232425262728293031323334name: Backup Memoson: schedule: - cron: "0 */4 * * *" # 每隔4小时执行一次 workflow_dispatch:jobs: backup: runs-on: ubuntu-latest steps: - name: Checkout code uses: actions/ ...

计网复习记录 2023南开大学研究生计算机网络考试【专硕】 今年提示 计网考试。5道选择，送分的。五道大题，有些小题，没有复杂计算，基础的东西 tcp bgp ip 机制改进，说明理由 qs 没有定义类型问题，以理解为主，不用背 课程ppt知识点 综述 Internet设计原则 能连接到现有网络 无状态网络（只在终端有状态） 基于tcp或者udp 多种多样的网络 无线网络 局域网（LAN）： 范围： 局域网是在相对较小的地理范围内建立的网络，例如办公楼、校园或单个建筑物。 连接设备： 通常连接的设备数量较少，如个人电脑、打印机、服务器等。 传输速度： 由于范围较小，局域网通常具有高速的数据传输速度。 WLAN（Wireless Local Area Network）是局域网的一种类型 IEEE802.11：IEEE 802.11 是一组无线局域网（Wireless LAN）通信标准，广泛用于Wi-Fi网络。它支持不同频段和速率，包括2.4GHz和5GHz，常见于家庭、企业和公共场所的无线网络。 城域网（MAN）： 范围： 城域网覆盖的范围介于局域网和广域网 ...

一个关于救赎的进程 相关笔记：荐书|《高敏感是种天赋》–做自己，爱自己，致麻木世界里的高敏感族 记录一些书里的内容 《高敏感是种天赋》 据说，每5个人中就有一个高敏感型人格 高度敏感型人因其敏感的神经系统在生活中遇到更多的困扰。 在推崇外向和复原力强的社会中，高度敏感型人会被视为低自尊，会面对更多的压力。 当高度敏感型人发现自己陷入了挣扎，他们很难做到置之不理。一部分原因是他们的疼痛闽限比别人更低，另外他们也倾向于把事情想得更深，喜欢反思自己的生活。 低自尊 别人常常劝我，我不应该再继续忍受下去。我需要坚定自己的立场，要求对方给予尊重。我尝试过，但是当我试图大吼时，我那气喘、破碎的声音就出卖了我。现在我知道了，这一切都是因为我缺乏自尊。在我的内心深处，我甚至怀疑我是否值得活在这个世上。我感觉自己某些本质的东西都是错的，能够活在人群中我应该心存感激。所以我不应该说"不同意"。我非常害怕自己在人前表达愤怒的样子。这不是因为我不会感到愤怒，也不是因为我不知道如何对别人高声吼叫。——延斯（ Jens ),45岁 许多高度敏感型人都存在低自尊问题，并且尝试通过 ...

Love, Death & Robots加载动画 首先，在这个令人开心的时刻，让我们先感谢这个动画的css作者 加载动画预览也看那个作者链接吧，差不多，只是把颜色改了改 要做什么 butterfly版本：4.10 添加加载动画的两种文件：pug和styl，分别对应html和css文件 在主题中添加加载动画的入口 pug资源目录：themes/butterfly/layout/includes/loading/load_style styl资源目录：themes/butterfly/source/css/_load_style pug的配置入口位置：themes/butterfly/layout/includes/loading/fullpage-loading.pug styl的配置入口位置：themes/butterfly/source/css/_layout/loading.styl 如果觉得上面东西很陌生的话，建议先看看前辈的自定义加载动画博客 开始操作 新建文件：themes/butterfly/layout/includes/loading/load_styl ...

记录一些好看的图标和颜色 图标 FontAwesome 123456789101112131415fa-solid fa-mug-saucer # 杯子fa-solid fa-heartbeat # 心脏fa-solid fa-circle-nodes # 三角形的图fa-solid fa-tree # 树 fa-solid fa-wand-magic-sparkles # 魔法笔fa-solid fa-pencil # 铅笔fa-solid fa-list # 列表fa-solid fa-code # 代码fa-brands fa-codepen # codepen图标fa-solid fa-bug # bugfa-solid fa-tags # 标签fa-solid fa-folder-open # 分类fa-solid fa-archive # 归档fas fa-link # 链接 即用图标 12📺 电影📚 书籍 Favicon favicon网站 根据图片生成图标 根据文字生成图标 图片 封面 https://coverview. ...

同时训练两个模型遇到了bug，记录今天由这个bug引发一系列bug的过程 使用resnet18进行图像分类 1234567model_ft = models.resnet18(pretrained=True)num_ftrs = model_ft.fc.in_featuresmodel_ft.fc = nn.Linear(num_ftrs, len(class_names))model_ft = model_ft.to(device)cross_entropy_loss = nn.CrossEntropyLoss()optimizer_ft = optim.SGD(model_ft.parameters(), lr=1e-3, momentum=0.9)exp_lr_scheduler = lr_scheduler.StepLR(optimizer_ft, step_size=5, gamma=0.1) 单独训练这个模型在我的数据集的正确率在0.96左右 需求：同时跑两个一样模型 于是我定义了一个函数，使用deepcopy复制得到全新的模型，并且在train函数中同时跑这两个模型 12 ...