news 2026/10/13 9:43:59

0x3f 第35天 电脑硬盘坏了 +二叉树直径,将有序数组转换为二叉搜索树

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
0x3f 第35天 电脑硬盘坏了 +二叉树直径,将有序数组转换为二叉搜索树

九点多电脑还好好的,突然蓝屏了,自己修了半天无果,打电话叫修电脑的,头天晚上电动车还坏了,后面轮胎瘪了,简直就是祸不单行,先去把轮胎修了,然后等着修电脑的来,检查完说电脑硬盘用久了坏了,c盘d盘用不了了,还好大部分研究生期间数据都在e盘,把e盘取出来,换了台主机,基本上一台全新的电脑,啥都得安装。论文的原始数据集还在,但是之前搜的文献啥的,存在c盘的都没了,整理一下大概哪些没了,哪些还在

原始数据集还在
脱敏后的数据集没了得重跑
论文跑的结果没了得重跑
论文代码还在
相关文献没了
苍穹外卖配的所有环境idea,datagrip,mysql,redis,微信小程序开发端,javajdk,nginx前端
苍穹外卖代码还在
心态崩了
工位电脑的微信聊天记录没了

早上十点一直弄到下午五点,把外卖的环境全部有配置好了,还好能继续跑,今天真的心累,

写写算法休息一下吧,唉

长度最小的子数组x问题很大

乘积小于 K 的子数组

x最核心的问题想到了,差点细节
N皇后x整体思路没问题,小细节太久没做忘了
电话号码的字母组合x有点忘了
二叉树的锯齿形层序遍历x基本没大毛病
最长公共子序列x
二叉搜索树的最近公共祖先x

1.二叉树直径

1.核心思路,后序,假设手上拿着当前节点左最长链 ,右最长链,你如何计算最长直径?

ans = max(ans,l_max+r_max+2)

详解公式:以节点5为例,节点5 的左最长链l_max就是节点2 的最长链长度为2

右最长链r_max就是节点6的最长链长度为0

再加上2 ,2就是连接这仨节点的

2.注意ans是不断更新的,所以在使用ans前要nonlocal ans

3.求最长链就和最大深度一样的公式,return max(l_max,r_max)+1

4.注意起始条件

class Solution: def diameterOfBinaryTree(self, root: Optional[TreeNode]) -> int: ans = 0 def dfs(node): if node is None: return -1 lmax = dfs(node.left) rmax = dfs(node.right) nonlocal ans ans = max(ans,lmax+rmax+2) return max(lmax,rmax)+1 dfs(root) return ans

2、将有序数组转换为二叉搜索树

很明显了,变成一个二叉搜索树,那就递归,后序,然后每次处理中间的这个节点呗

为什么每次处理中间的,,这样就实现了二叉搜索树,nums[]已经排序好了,那每次处理nums中间的数字,那不就自动成为了二叉搜索树

边界条件:nums数组被//2 ÷干净了

递归就是left的就是nums[ :middle]

right就是nums[middle+1: ]

class Solution: def sortedArrayToBST(self, nums: List[int]) -> Optional[TreeNode]: if nums ==[]: return None m = (len(nums))//2 left = self.sortedArrayToBST(nums[:m]) right = self.sortedArrayToBST(nums[m+1:]) return TreeNode(nums[m],left,right)
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/10/9 17:38:29

Qwen All-in-One灰度发布:新版本平滑上线教程

Qwen All-in-One灰度发布:新版本平滑上线教程 1. 引言 1.1 业务场景描述 在当前AI服务部署中,多任务需求日益普遍——例如同时需要情感分析与开放域对话能力。传统方案通常采用“多个模型并行”的架构,如BERT用于情感分类、LLM用于对话生成…

作者头像 李华
网站建设 2026/10/11 2:55:30

Llama3-8B+LangChain实战:3步搭建智能知识管家

Llama3-8BLangChain实战:3步搭建智能知识管家 你是不是也有这样的烦恼?每天记笔记、看文章、收藏网页,时间一长信息越积越多,想找某个知识点却像大海捞针。更头疼的是,这些内容分散在不同平台——微信收藏、Notion、语…

作者头像 李华
网站建设 2026/10/8 7:26:04

如何验证识别效果?Emotion2Vec+ Large人工标注对比实验设计

如何验证识别效果?Emotion2Vec Large人工标注对比实验设计 1. 引言:语音情感识别的评估挑战 在构建基于深度学习的语音情感识别系统时,模型的实际表现是否可靠,是决定其能否投入实际应用的关键。科哥团队基于阿里达摩院开源的 E…

作者头像 李华
网站建设 2026/10/12 12:17:43

揭秘专业级翻译服务:如何用云端GPU快速复现DeepL效果

揭秘专业级翻译服务:如何用云端GPU快速复现DeepL效果 你有没有这样的经历?在国际会议中听外籍同事发言,却因为语言障碍错过关键信息;或者读一篇外文技术文档时,被机翻的“中式英语”搞得一头雾水。而当你打开DeepL&am…

作者头像 李华
网站建设 2026/10/12 12:17:49

电商搜索实战:通义千问3-Embedding-4B实现精准商品匹配

电商搜索实战:通义千问3-Embedding-4B实现精准商品匹配 1. 引言:电商搜索的语义理解挑战 在现代电商平台中,用户搜索已从简单的关键词匹配演进为对语义相关性的深度理解。传统基于倒排索引和TF-IDF的检索方式难以应对“连衣裙 夏季 显瘦”这…

作者头像 李华
网站建设 2026/10/12 12:17:55

5分钟快速部署通义千问2.5-7B-Instruct,vLLM+WebUI一键启动AI对话

5分钟快速部署通义千问2.5-7B-Instruct,vLLMWebUI一键启动AI对话 1. 引言 在当前大模型快速迭代的背景下,Qwen2.5系列于2024年9月正式发布,其中 通义千问2.5-7B-Instruct 凭借其“中等体量、全能型、可商用”的定位迅速成为开发者和企业关注…

作者头像 李华