informed teaching learning题目
PTA 1—3次题目集总结 Blog1
一.前言 前三次题目集总的来说知识点很多，题量也很大，除了第一次题目简单，第二三次题目的难度跨度太大了，第一次都是很基础的题目，第二三次题目难度突然提高很多，措不及防，完成得很困难，由于菜单计价系统是第一次写，难度很大，完成的不太好。 二.设计与分析 第一次题目集： 总的来说，第一次题目集难度不大， ......
PTA题目集1~3的总结性Blog
一、前言： 我通过学习面向对象程序设计这门课程，深入掌握了Java语言的知识。截至目前，三个PTA作业，这些作业主要涉及Java的结构、类的运用、以及一些方法的使用，其中类的应用是重点。这三次作业的难度逐渐加大，同时作业量也在逐步增加。最令我印象深刻的是点菜，每一次都让我心如焦土，无可奈何，耗费大量 ......
题目集1~3总结Blog
恢复内容开始 前言 本次分析的题目集是本学期前三次PTA题目集。其中，第一次PTA题目集共有九道题目共100分，我有八道题目成功提交通过，还有一道题目有一个测试点未能成功通过，扣除两分，得98分；第二次PTA题目集共有四道题目共100分，我仅有一道题目成功提交通过，剩下三道题目中第二题未能写出来，第 ......
USACO S&G&P 题目选做
P8904 Mountains USACO22DEC G 感觉这题做法非常暴力。 对于一个楼房，我们钦定对于点 $x$，若 $xh_x$）。 最后我们再来处理 $x$ 能看见的新的点，其实做法很暴力，我们直接每次清空 $x$ 能看见的点，然后把仿照预处理把所有位置预处理一边即可。 ```cpp #i ......
面向对象程序编程题目集1~3的总结性Blog
（1）前言： 第一次作业： 知识点：主要是刚入门面向对象程序编程的一些基础性知识点，大部分类似 c语言，因此先学过c语言的情况下写这次题目还是较为简单的，有的也是细节上的问题。主要知识点有：对实际问题的合法性判断（在PTA里这个要先判断，不行要立即return，不能用if-else放到后边else里 ......
对于三次题目集的总结
前言 1.对于前三次作业的总结 （1）对于输入，输出的格式的掌握： 对于第一次作业，并没有什么较为难的掌握的知识，主要就是让我们了解，Java程序中的输入输出的用法也就是Scanner和println之类的用法。 （2）对于类与对象的运用： 在第二次作业中，便用到了Java中的类来对我们的菜单问题进 ......
learn c++ 参数引用
#include <iostream> struct Role { int hp; int mp; int damage; }; bool Act(Role& Acter,Role& beAct) { beAct.hp -= Acter.damage; return beAct.hp < 0; } ......
每日打卡,pta题目
给定一个长度不超过 104 的、仅由英文字母构成的字符串。请将字符重新调整顺序，按 PATestPATest.... 这样的顺序输出，并忽略其它字符。当然，六种字符的个数不一定是一样多的，若某种字符已经输出完，则余下的字符仍按 PATest 的顺序打印，直到所有字符都被输出。 输入格式： 输入在一行 ......
OOP点菜题目-blog作业
一.三次题目集概览 这三次题目集中 第一次：总九道题目，难度较低，比较基础，适合过渡。 第二次：总四道题目，难度较第一次难一点，java的面向对象性开始体现，类间关系及类与类之间属性方法的调用难度加大，java的难处初显。 第三次：总七道题目，难易结合，7-1 菜单计价程序-3是第二周两个菜单题目的 ......
罗HP OOP第一次博客作业（菜单及题目总结）
前三次题目集总结BLOG 前言： 在这个学期第一次接触java语言，到现在看来，在面向对象之前所学的C语言和java只有部分的语法差别，不同的语言肯定有不同的语法规则。而在接触面向对象之后，java的特点才会展现出来;继承，多态以及封装。私以为只要有关面对对象的的编程思维转变过来理解过来，java就 ......
本篇题目：异常的打卡记录
华为 OD 机试【4 大宝典】再次上新题！ ① Python 解华为机试题 ：https://dream.blog.csdn.net/article/details/129221789② C++ 解华为机试题：https://dream.blog.csdn.net/article/details/1 ......
Learning with Local and Global Consistency
[TOC] > [Zhou D., Bousquet O., Lal T. N., Weston J. and Scholk\ddot{o}pf B. Learning with local and global consistency. NIPS, 2003.](https://proceedin ......
2023CVPR_Learning a Simple Low-light Image Enhancer from Paired Low-light Instances(PairLIE)
1、nn.ReflectionPad2d 对输入图像以最外围像素为对称轴，做四周的轴对称镜像填充。 大佬链接：(14条消息) torch.nn.ReflectionPad2d()的用法简介_nn.reflectionpad2d(1)_啊菜来了的博客-CSDN博客 # 对四周都填充3行 nn.Refl ......
菜单题目集1~3
一、前言 Java这三次题目集中 第一周的九题：题目难度较低，比较基础，适合过渡。 第二周的四题：题目难度较第一周有较大升级，java的面向对象性开始体现，类间关系及类与类之间属性方法的调用难度加大，java的难处初显。 第三周的七题：第三周的题目难易混杂，7-1 菜单计价程序-3是第二周两个菜单题 ......
Learning Affinity from Attention: End-to-End Weakly-Supervised Semantic Segmentation with Transformers概述
0.前言 相关资料： arxiv github 论文解读 论文基本信息： 领域：弱监督语义分割 发表时间： CVPR 2022(2022.3.5) 1.针对的问题 目前主流的弱监督语义分割方法通常首先训练分类模型，基于类别激活图（CAM）或其变种生成初始伪标签；然后对伪标签进行细化作为监督信息训练一 ......
learn c++ 智能指针
#include <iostream> int main() { int* p; { std::unique_ptr<int[]> a{std::make_unique<int[]>(50)}; a[2] = 240; p = a.get(); std::cout << p[2]; } std::c ......
Sep 2022-Prioritized Training on Points that are Learnable, Worth Learning, and Not Yet Learnt
提出了Reducible Holdout Loss Selection (RHOLOSS)，一种简单但有原则的技术，近似地选择那些最能减少模型泛化损失的点进行训练 ......
C-pointer Learning
# 基础 ## 指针类型 ### 静态/全局内存 指在内存空间中的全局/静态数据区的指针变量 ### 自动内存 即局部作用域的指针，只有在函数被调用时才创建。 ### 动态内存 在堆区动态创建的指针变量，在不使用时需要即是释放该部分内存空间。 ## 特殊指针 ### NULL指针 在指针变量中，初始 ......
题目集 1~3 的总结性 Blog
前言: 题目集 1~3 的知识点、题量、难度等情况如下: 知识点：JAVA基础，基础算法，面向对象程序设计 题量：共计 3 道题目 难度：题目从易到难，分为三个层次，分别为入门、中等和高级 设计与分析: 本次 Blog 重点分析菜单计价系列题目，即题目集 2 的 7-1、7-2 以及题目集 3 的 ......
learn c++ 变量作用域
#include <iostream> int a{ 100 }; int main() { int a{160}; { std::cout << a << std::endl; char a = 'a'; std::cout << a << std::endl; std::cout << ::a ......
Off-Policy Deep Reinforcement Learning without Exploration
**发表时间：**2019（ICML 2019） **文章要点：**这篇文章想说在offline RL的setting下，由于外推误差（extrapolation errors）的原因，标准的off-policy算法比如DQN，DDPG之类的，如果数据的分布和当前policy的分布差距很大的话，那就 ......
题目奶酪单
### Manacher [模板: Luogu P3805](https://www.luogu.com.cn/problem/P3805) [反演: Luogu P3279](https://www.luogu.com.cn/problem/P3279) [总结](https://www.cnbl ......
23-05-20 总结 Meeting rooms 系列3个题目
## 题目列表： - P1. 【easy，会员】[Meeting Rooms - LeetCode](https://leetcode.com/problems/meeting-rooms/) - P2. 【Mid，会员】[Meeting Rooms II - LeetCode](https://l ......
《AutoInt: Automatic Feature Interaction Learning via Self-Attentive Neural Networks》特征交叉论文阅读
背景 这是一篇利用多头attention机制来做特征交叉的论文 模型结构 AutoInt的模型结构如上图所示，搞模型包含 Embedding Layer、Interacting Layer、Output Layer三个部分，其中Embedding Layer和Output Layer和普通模型没什么 ......
Unable to retrieve version information from Elasticsearch nodes
问题描述 es启动正常；但当kibana时，报了如下错误 Unable to retrieve version information from Elasticsearch nodes. connect ECONNREFUSED XXX.X.X.X:9200 解决方法 网上大多是将配置文件中的相关地 ......
【图像数据增强】Image Data Augmentation for Deep Learning: A Survey
| 原始题目 | Image Data Augmentation for Deep Learning: A Survey | | | | | 中文名称 | 深度学习的图像数据增强:综述 | | 发表时间 | 2022年4月19日 | | 平台 | arXiv | | 来源 | 南京大学 | | 文章 ......
Jan 2023-Prioritizing Samples in Reinforcement Learning with Reducible Loss
#1 Introduction 本文建议根据样本的可学习性进行抽样，而不是从经验回放中随机抽样。如果有可能减少代理对该样本的损失，则认为该样本是可学习的。我们将可以减少样本损失的数量称为其可减少损失(ReLo)。这与Schaul等人[2016]的vanilla优先级不同，后者只是对具有高损失的样本给 ......
Oracle 集合-Learning-1
集合-Test1 bulk collect into 批量插入，可用limit 限制插入行数 type ... is table of DataType Index by binary_Integer 其中 index by binary_integer 在定义schema级 type 时没有使用， ......
RabbitMQ: Error: unable to perform an operation on node 'rabbit@prod-ad-api-02'. Please see diagnostics information and suggestions below.
Error: unable to perform an operation on node 'rabbit@prod-ad-api-02'. Please see diagnostics information and suggestions below. rabbit@prod-ad-api-02 ......
netty连不上no further information
Connection timed out: no further information: /49.65.123.186:13700 ......