雙指標分為兩種：對撞指標 & 快慢指標
常用陣列中
leetcode 167題目
經典題目： two sum
時間複雜度：o(n^2)
缺點：沒有應用陣列本身特點性質
時間複雜度：o(nlogn)
二分搜尋時間複雜度是o(logn)
i 從0-n遍歷 o(n)
j 從i-n遍歷用 二分搜尋法 o(logn)
陣列nums有序的
左指標 i 右指標 j
判斷nums[i] + nums[j] == target
如果小於，則 i + 1 ,i右移再判斷
如果大於，則 j + 1, j左移再判斷
直到 i 跟 j 相撞
class
solution
:def
twosum
(self, numbers: list[
int]
, target:
int)
-> list[
int]
:# 時間複雜度o(n)
# 空間複雜的o(1)
leetcode 142題目
set集合，增加條件空間複雜度為1，怎該方法不能使用
步驟：定義fast指標和slow指標，fast一次二步，slow一次一步
第一步fast->2, slow->3, fast->1,slow->2, fast->8, slow->7,fast->4,slow->1, fast->6,slow->6相遇！！！
定義乙個指標p從最開始按照一次一步移動，和slow的頻率一樣，p和slow相遇的節點就是環的入口點。
證明：a = 從開始位置到入環口步數
b = 一環的步數
fast = 2 * slow
fast = slow + nb
slow = nb
# definition for singly-linked list.
# class listnode:
# def __init__(self, x):
# self.val = x
# self.next = none
class
solution
:def
detectcycle
(self, head: listnode)
-> listnode:
fast, slow = head, head
while fast !=
none
: fast = fast.
next
if fast ==
none
:break
fast = fast.
next
# fast 兩步
slow = slow.
next
# slow 一步
if slow == fast:
break
if fast ==
none
:return
none
p1, p2 = slow, head
while p1 != p2:
p1 = p1.
next
p2 = p2.
next
return p1
Pytorch學習筆記（深度之眼）（4）之模型容器
1 展開，形狀變換 x self.classifier x return x 在 init 模組中，採用sequential 對卷積層和池化層進行包裝，把sequential類屬性賦予feature，然後對三個全連線層進行sequential包裝，賦值為classifier類屬性，這就完成了模型構建...
深度之眼 吳恩達深度學習 打卡學習
理解訓練 驗證 測試集 偏差 方差 正則化以及梯度消失 梯度 梯度檢驗等基本的概念。需重點掌握為什麼正則化可以減少過擬合，以及對梯度消失和梯度 產生的原因和解決的方法。訓練 驗證 測試集，資料量在百萬級以下，可以60 20 20，百萬級，98 1 1就可以了。偏差 方差，偏差vias，方差varia...
Linux下的C語言筆記之指標講解
2.指標的值也叫指標所指向的記憶體區域位址。指標的值是指標本身儲存的數值，這個值被編譯器當做乙個位址，而不是乙個一般的數值。指標本身所佔的記憶體區域是4個位元組長度。3.間接引用指標，對於已說明的變數來說，變數名就是對變數值的間接引用。對於指向變數或記憶體中的任何物件指標來說，指標就是對物件值得間接...