算法沉淀——动态规划之01背包问题（leetcode真题剖析）

在这里插入图片描述

算法沉淀——动态规划之01背包问题

  • 01.【模板】01背包
  • 02.分割等和子集
  • 03.目标和
  • 04.最后一块石头的重量 II

01背包问题是一类经典的动态规划问题，通常描述为：有一个固定容量的背包，以及一组物品，每件物品都有重量和价值，目标是找到在背包容量范围内，使得背包中的物品总价值最大的组合。

具体来说，问题的输入包括：

  1. 一个固定容量的背包（通常表示为一个整数W）。
  2. 一组物品，每个物品有两个属性：重量（通常表示为一个整数weight）和价值（通常表示为一个整数value）。
  3. 求解的目标是找到一种放置物品的方式，使得放入背包的物品的总重量不超过背包容量，并且总价值最大。

这个问题的特点是，对于每件物品，你只能选择将其放入背包一次（0-1，因此称为“01背包”），或者不放入背包。不能将物品切割成更小的部分放入背包，要么整个物品放入背包，要么不放入。

动态规划解法：

  1. 定义状态： 通常使用二维数组dp[i][j]表示在前i个物品中，背包容量为j时的最大总价值。

  2. 状态转移方程： 考虑第i个物品，可以选择放入背包或者不放入。如果选择放入，那么总价值为dp[i-1][j-weight[i]] + value[i]，即前i-1个物品的总价值加上当前物品的价值。如果选择不放入，那么总价值为dp[i-1][j]，即前i-1个物品的总价值。因此，状态转移方程为：

    dp[i][j] = max(dp[i-1][j], dp[i-1][j-weight[i]] + value[i])

    其中，dp[i-1][j]表示不放入第i个物品，dp[i-1][j-weight[i]] + value[i]表示放入第i个物品。

  3. 初始条件： 当i=0时，表示前0个物品，总价值为0；当j=0时，表示背包容量为0，总价值也为0。

  4. 遍历顺序： 外层循环遍历物品，内层循环遍历背包容量。

  5. 返回结果： 最终结果存储在dp[N][W]中，其中N为物品数量，W为背包容量。

例子：

假设有如下物品：

Copy code解释物品1：重量=2，价值=3
物品2：重量=3，价值=4
物品3：重量=4，价值=5
物品4：重量=5，价值=6

背包容量为W=8，我们要求解在这个条件下的最大总价值。

按照上述动态规划解法，构建状态转移表如下：

luaCopy code解释  重量/价值   0   1   2   3   4   5   6   7   8
  ----------------------------------------------
  物品0        0   0   0   0   0   0   0   0   0
  物品1        0   0   3   3   3   3   3   3   3
  物品2        0   0   3   4   4   7   7   7  10
  物品3        0   0   3   4   4   7   8   8  11
  物品4        0   0   3   4   4   7   8   9  11

因此，最终结果为dp[4][8] = 11，表示在背包容量为8的情况下，最大总价值为11。这意味着最优解是选择物品2和物品4放入背包。

01.【模板】01背包

题目链接：https://www.nowcoder.com/practice/fd55637d3f24484e96dad9e992d3f62e?tpId=230&tqId=2032484&ru=/exam/oj&qru=/ta/dynamic-programming/question-ranking&sourceUrl=%2Fexam%2Foj%3Fpage%3D1%26tab%3D%25E7%25AE%2597%25E6%25B3%2595%25E7%25AF%2587%26topicId%3D196

你有一个背包，最多能容纳的体积是V。

现在有n个物品，第i个物品的体积为vi,价值为wi。

（1）求这个背包至多能装多大价值的物品？

（2）若背包恰好装满，求至多能装多大价值的物品？

输入描述：

第一行两个整数n和V，表示物品个数和背包体积。

接下来n行，每行两个数vi和wi，表示第i个物品的体积和价值。

1≤n,V;vi,wi≤1000

输出描述：

输出有两行，第一行输出第一问的答案，第二行输出第二问的答案，如果无解请输出0。

示例1

输入：

3 5
2 10
4 5
1 4

输出：

14
9

复制

说明：

装第一个和第三个物品时总价值最大，但是装第二个和第三个物品可以使得背包恰好装满且总价值最大。

示例2

输入：

3 8
12 6
11 8
6 8

输出：

8
0

说明：

装第三个物品时总价值最大但是不满，装满背包无解。 要求O(nV)的时间复杂度，O(V)空间复杂度

思路

第一问：

  1. 状态表示：
    • dp[i][j] 表示从前 i 个物品中挑选，总体积不超过 j 的情况下，所有的选法中能挑选出的最大价值。
  2. 状态转移方程：
    • 对于每个物品，我们有两种选择：
      • 不选第 i 个物品：此时 dp[i][j] = dp[i - 1][j]。
      • 选择第 i 个物品：此时需要确保总体积不超过 j - v[i]，而且该状态是合法的，即 j >= v[i] 和 dp[i - 1][j - v[i]] 存在。状态转移方程为 dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - v[i]] + w[i])。
  3. 初始化：
    • 多加一行，第一行初始化为 0，因为不选任何物品总体积为 0时，价值为 0。
  4. 填表顺序：
    • 从上往下，每一行从左往右填表。
  5. 返回值：
    • 返回 dp[n][V]，即最后一行最后一列的值。

第二问：

  1. 状态表示：
    • dp[i][j] 表示从前 i 个物品中挑选，总体积正好等于 j 的情况下，所有的选法中能挑选出的最大价值。
  2. 状态转移方程：
    • dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - v[i]] + w[i])。
    • 在使用 dp[i - 1][j - v[i]] 时，需要判断 j >= v[i] 和 dp[i - 1][j - v[i]] 是否为 -1。
  3. 初始化：
    • 多加一行，第一格初始化为 0，表示正好凑齐体积为 0的背包。
    • 第一行后面的格子初始化为 -1，因为没有物品，无法满足体积大于 0的情况。
  4. 填表顺序：
    • 从上往下，每一行从左往右填表。
  5. 返回值：
    • 由于最后可能凑不成体积为 V 的情况，需要特判。

代码

#include <iostream>
#include <algorithm>
#include <cstring>
using namespace std;

const int N=1002;
int n,V,v[N],w[N];
int dp[N][N];

int main() {
    cin>>n>>V;
    for(int i=1;i<=n;i++) cin>>v[i]>>w[i];

    for(int i=1;i<=n;i++)
        for(int j=0;j<=V;j++){
            dp[i][j]=dp[i-1][j];
            if(j>=v[i]) dp[i][j]=max(dp[i][j],dp[i-1][j-v[i]]+w[i]);
        }
    cout<<dp[n][V]<<endl;

    memset(dp,0,sizeof dp);
    for(int j=1;j<=V;j++) dp[0][j]=-1;
    for(int i=1;i<=n;i++)
        for(int j=0;j<=V;j++){
            dp[i][j]=dp[i-1][j];
            if(j>=v[i]&&dp[i-1][j-v[i]]!=-1)
                dp[i][j]=max(dp[i][j],dp[i-1][j-v[i]]+w[i]);
        }
    cout<<(dp[n][V]==-1?0:dp[n][V])<<endl;
}

优化步骤：

  1. 滚动数组的应用：
    • 在01背包问题中，通过滚动数组可以删去所有的横坐标，因为状态 dp[i][j] 只依赖于上一行的状态 dp[i-1][j] 和 dp[i-1][j-v[i]]，因此只需保留一行状态。
  2. 遍历顺序修改：
    • 修改了 j 的遍历顺序，原本的遍历是从 0 到 V，现在改为从 V 到 0。这样做的原因是，如果从 0 到 V 遍历，会使用当前行的 dp[i-1][j-v[i]] 的值，而我们已经在上一步的滚动数组中删除了这一行，所以需要改变遍历顺序，从 V 到 0。
#include <iostream>
#include <algorithm>
#include <cstring>
using namespace std;

const int N=1002;
int n,V,v[N],w[N];
int dp[N];

int main() {
    cin>>n>>V;
    for(int i=1;i<=n;i++) cin>>v[i]>>w[i];

    for(int i=1;i<=n;i++)
        for(int j=V;j>=v[i];j--)
            dp[j]=max(dp[j],dp[j-v[i]]+w[i]);

    cout<<dp[V]<<endl;

    memset(dp,0,sizeof dp);
    for(int j=1;j<=V;j++) dp[j]=-1;
    for(int i=1;i<=n;i++)
        for(int j=V;j>=v[i];j--)
            if(dp[j-v[i]]!=-1)
                dp[j]=max(dp[j],dp[j-v[i]]+w[i]);
    cout<<(dp[V]==-1?0:dp[V])<<endl;
}

02.分割等和子集

题目链接：https://leetcode.cn/problems/partition-equal-subset-sum/

给你一个 只包含正整数 的 非空 数组 nums 。请你判断是否可以将这个数组分割成两个子集，使得两个子集的元素和相等。

示例 1：

输入：nums = [1,5,11,5]
输出：true
解释：数组可以分割成 [1, 5, 5] 和 [11] 。

示例 2：

输入：nums = [1,2,3,5]
输出：false
解释：数组不能分割成两个元素和相等的子集。

提示：

  • 1 <= nums.length <= 200
  • 1 <= nums[i] <= 100

思路

  1. 状态表达：
    • dp[i][j] 表示在前 i 个元素中选择，所有的选法中，能否凑成总和为 j 这个数。
  2. 状态转移方程：
    • 根据最后一个位置的元素，分两种情况讨论：
      • 不选择 nums[i]：此时是否能够凑成总和为 j 取决于前 i-1 个元素的情况，即 dp[i][j] = dp[i-1][j]。
      • 选择 nums[i]：如果 nums[i] 小于等于 j，则需要看前 i-1 个元素中是否能凑成总和为 j - nums[i]，即 dp[i][j] = dp[i][j] || dp[i-1][j - nums[i]]。
  3. 初始化：
    • 第一行表示不选择任何元素，要凑成目标和 j，只有当目标和为 0 时才能做到，因此第一行仅需初始化第一个元素 dp[0][0] = true。
  4. 填表顺序：
    • 根据状态转移方程，从上往下填写每一行，每一行的顺序是无所谓的。
  5. 返回值：
    • 根据状态表达，返回 dp[n][aim] 的值，其中 n 表示数组的大小， aim 表示要凑的目标和。
  6. 空间优化：
    • 对于 01 背包类型的问题，可以进行空间上的优化，即删除第一维，并修改第二层循环的遍历顺序。

代码

class Solution {
public:
    bool canPartition(vector<int>& nums) {
        int n=nums.size(),sum=0;
        for(int x:nums) sum+=x;
        if(sum%2) return false;

        int aim=sum/2;
        vector<vector<bool>> dp(n+1,vector<bool>(aim+1));
        for(int i=0;i<=n;i++) dp[i][0]=true;
        for(int i=1;i<=n;i++)
            for(int j=1;j<=aim;j++){
                dp[i][j]=dp[i-1][j];
                if(j>=nums[i-1]) dp[i][j]=dp[i][j]||dp[i-1][j-nums[i-1]];
            }
        return dp[n][aim];
    }
};

空间优化

class Solution {
public:
    bool canPartition(vector<int>& nums) {
        int n=nums.size(),sum=0;
        for(int x:nums) sum+=x;
        if(sum%2) return false;

        int aim=sum/2;
        vector<bool> dp(aim+1);
        dp[0]=true;
        for(int i=1;i<=n;i++)
            for(int j=aim;j>=nums[i-1];j--)
                dp[j]=dp[j]||dp[j-nums[i-1]];
        return dp[aim];
    }
};

03.目标和

题目链接：https://leetcode.cn/problems/target-sum/

给你一个非负整数数组 nums 和一个整数 target 。

向数组中的每个整数前添加 '+' 或 '-' ，然后串联起所有整数，可以构造一个 表达式 ：

  • 例如，nums = [2, 1] ，可以在 2 之前添加 '+' ，在 1 之前添加 '-' ，然后串联起来得到表达式 "+2-1" 。

返回可以通过上述方法构造的、运算结果等于 target 的不同 表达式 的数目。

示例 1：

输入：nums = [1,1,1,1,1], target = 3
输出：5
解释：一共有 5 种方法让最终目标和为 3 。
-1 + 1 + 1 + 1 + 1 = 3
+1 - 1 + 1 + 1 + 1 = 3
+1 + 1 - 1 + 1 + 1 = 3
+1 + 1 + 1 - 1 + 1 = 3
+1 + 1 + 1 + 1 - 1 = 3

示例 2：

输入：nums = [1], target = 1
输出：1

提示：

  • 1 <= nums.length <= 20
  • 0 <= nums[i] <= 1000
  • 0 <= sum(nums[i]) <= 1000
  • -1000 <= target <= 1000

思路

  1. 状态表示：
    • dp[i][j] 表示在前 i 个数中选，总和正好等于 j，一共有多少种选法。
  2. 状态转移方程：
    • 根据最后一个位置的元素，结合题目的要求，有两种策略：
      • 不选 nums[i]：此时凑成总和 j 的总方案数，要看在前 i-1 个元素中选，凑成总和为 j 的方案数，即 dp[i][j] = dp[i-1][j]。
      • 选择 nums[i]：如果 nums[i] 小于等于 j，则需要看前 i-1 个元素中是否能凑成总和为 j - nums[i]，即 dp[i][j] += dp[i-1][j - nums[i]]。
  3. 初始化：
    • 需要用到上一行的数据，因此初始化第一行，表示不选择任何元素凑成目标和 j。只有当目标和为 0 时才能做到，因此第一行仅需初始化第一个元素 dp[0][0] = 1。
  4. 填表顺序：
    • 根据状态转移方程，从上往下填写每一行，每一行的顺序是无所谓的。
  5. 返回值：
    • 根据状态表示，返回 dp[n][aim] 的值，其中 n 表示数组的大小， aim 表示要凑的目标和。

代码

class Solution {
public:
    int findTargetSumWays(vector<int>& nums, int target) {
        int sum=0;
        for(auto x:nums) sum+=x;
        int aim=(sum+target)/2;
        if(aim<0||(sum+target)%2) return 0;
        int n=nums.size();
        vector<vector<int>> dp(n+1,vector<int>(aim+1));
        dp[0][0]=1;
        for(int i = 1; i <= n; i++) 
            for(int j = 0; j <= aim; j++)
            {
                dp[i][j] = dp[i - 1][j];
                if(j >= nums[i - 1]) dp[i][j] += dp[i - 1][j - nums[i - 1]];
            }
        return dp[n][aim];
    }
};

04.最后一块石头的重量 II

题目链接：https://leetcode.cn/problems/last-stone-weight-ii/

有一堆石头，用整数数组 stones 表示。其中 stones[i] 表示第 i 块石头的重量。

每一回合，从中选出任意两块石头，然后将它们一起粉碎。假设石头的重量分别为 x 和 y，且 x <= y。那么粉碎的可能结果如下：

  • 如果 x == y，那么两块石头都会被完全粉碎；
  • 如果 x != y，那么重量为 x 的石头将会完全粉碎，而重量为 y 的石头新重量为 y-x。

最后，最多只会剩下一块 石头。返回此石头 最小的可能重量 。如果没有石头剩下，就返回 0。

示例 1：

输入：stones = [2,7,4,1,8,1]
输出：1
解释：
组合 2 和 4，得到 2，所以数组转化为 [2,7,1,8,1]，
组合 7 和 8，得到 1，所以数组转化为 [2,1,1,1]，
组合 2 和 1，得到 1，所以数组转化为 [1,1,1]，
组合 1 和 1，得到 0，所以数组转化为 [1]，这就是最优值。

示例 2：

输入：stones = [31,26,33,21,40]
输出：5

提示：

  • 1 <= stones.length <= 30
  • 1 <= stones[i] <= 100

思路

  1. 状态表示：
    • dp[i][j] 表示在前 i 个元素中选择，总和不超过 j 的情况下，这些元素的最大和。
  2. 状态转移方程：
    • 根据最后一个位置的元素，结合题目的要求，有两种策略：
      • 不选 stones[i]：此时是否能够凑成总和为 j，要看在前 i-1 个元素中选，能否凑成总和为 j。根据状态表示，此时 dp[i][j] = dp[i-1][j]。
      • 选择 stones[i]：这种情况下是有前提条件的，此时的 stones[i] 应该是小于等于 j。因为如果这个元素都比要凑成的总和大，选择它就没有意义。那么是否能够凑成总和为 j，要看在前 i-1 个元素中选，能否凑成总和为 j - stones[i]。根据状态表示，此时 dp[i][j] = dp[i-1][j-stones[i]] + stones[i]。
  3. 初始化：
    • 由于需要用到上一行的数据，可以先将第一行初始化。
    • 第一行表示「没有石头」，因此想凑成目标和 j 的最大和都是 0。
  4. 填表顺序：
    • 根据状态转移方程，从上往下填写每一行，每一行的顺序是无所谓的。
  5. 返回值：
    • 根据状态表示，找到最接近 sum / 2 的最大和 dp[n][sum / 2]。
    • 返回 sum - 2 * dp[n][sum / 2]，因为我们要的是两堆石头的差。

代码

class Solution {
public:
    int lastStoneWeightII(vector<int>& stones) {
        int sum=0;
        for(int x:stones) sum+=x;
        int n=stones.size(),m=sum/2;
        vector<vector<int>> dp(n+1,vector<int>(m+1));
        for(int i=1;i<=n;i++)
            for(int j=0;j<=m;j++){
                dp[i][j]=dp[i-1][j];
                if(j>=stones[i-1]) 
                    dp[i][j]=max(dp[i][j],dp[i-1][j-stones[i-1]]+stones[i-1]);
            }
        return sum-2*dp[n][m];
    }
};

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。如若转载，请注明出处：/a/428564.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

大数据核心技术概论

大数据核心技术概论

大数据核心技术概述 大数据基石三大论文&#xff1a;GFS&#xff08;Hadoop HDFS&#xff09;、BigTable&#xff08;Apache HBase&#xff09;、MapReduce&#xff08;Hadoop MapReduce&#xff09;。 搜索引擎的核心任务&#xff1a;一是数据采集&#xff0c;也就是网页的爬…
阅读更多...
如何用bashrc将远程服务器上的环境变量切换到指定anaconda目录下

如何用bashrc将远程服务器上的环境变量切换到指定anaconda目录下

如何用bashrc将远程服务器上的环境变量切换到指定anaconda目录下 问题描述解决办法 问题描述 远程服务器上已经配置了tensorflow2环境&#xff0c;但是导入环境时缺显示没有这个环境&#xff0c;需要添加环境变量。 显示没有tensorflow2这个环境。 解决办法 1.使用vi打开编…
阅读更多...
串的定义及BF算法

串的定义及BF算法

定义 BF算法——朴素查找算法——也叫做串的模式匹配算法 其应用特别多&#xff0c;比如经常在一篇文章里面搜索一些东西&#xff0c;&#xff08;比如文章里的某个内容&#xff0c;或某些关键字词出现的位置&#xff0c;次数等&#xff09; 之前我们大多数情况下是用来搜索关…
阅读更多...
【王道操作系统】ch1计算机系统概述-05操作系统引导

【王道操作系统】ch1计算机系统概述-05操作系统引导

文章目录 【王道操作系统】ch1计算机系统概述-05操作系统引导01 什么是操作系统引导02 磁盘里边有哪些相关数据&#xff08;1&#xff09;主引导记录&#xff08;MBR&#xff09;&#xff08;2&#xff09;活动分区&#xff08;一般是C盘&#xff09; 03 操作系统引导的过程 【…
阅读更多...
你是否知道Python的列表翻转、排序和多维列表

你是否知道Python的列表翻转、排序和多维列表

1.reverse() 表示翻转列表中的元素&#xff0c;不会生成新列表 list1 [2343, 55, 4, 345, 676, 768] list1.reverse() print(list1) # [768, 676, 345, 4, 55, 2343] 2.sort() 对原列表元素进行排序&#xff0c;默认是升序 list1 [2343, 55, 4, 345, 676, 768] list1…
阅读更多...
PHP【swoole】

PHP【swoole】

前言 Swoole官方文档&#xff1a;Swoole 文档 Swoole 使 PHP 开发人员可以编写高性能高并发的 TCP、UDP、Unix Socket、HTTP、 WebSocket 等服务&#xff0c;让 PHP 不再局限于 Web 领域。Swoole4 协程的成熟将 PHP 带入了前所未有的时期&#xff0c; 为性能的提升提供了独一无…
阅读更多...
JVM-JVM的垃圾回收机制

JVM-JVM的垃圾回收机制

一&#xff0c;JVM的垃圾回收机制 IDEA 控制台输出JVM的GC日志,在 VM options 添加 -XX:PrintGCDetails 即可 1.1 如何判定垃圾对象 1.1.1 引用计数法 ​ 在每个对象都维护着一个内存字段来统计它被多少”部分”使用—引用计数器,每当有一个新的引用指向该对象时,引用计数器就…
阅读更多...
【Python】进阶学习：pandas--rename()用法详解

【Python】进阶学习：pandas--rename()用法详解

【Python】进阶学习&#xff1a;pandas-- rename()用法详解 &#x1f308; 个人主页&#xff1a;高斯小哥 &#x1f525; 高质量专栏&#xff1a;Matplotlib之旅&#xff1a;零基础精通数据可视化、Python基础【高质量合集】、PyTorch零基础入门教程&#x1f448; 希望得到您的…
阅读更多...
day34贪心算法 part03

day34贪心算法 part03

1005. K 次取反后最大化的数组和 简单 给你一个整数数组 nums 和一个整数 k &#xff0c;按以下方法修改该数组&#xff1a; 选择某个下标 i 并将 nums[i] 替换为 -nums[i] 。 重复这个过程恰好 k 次。可以多次选择同一个下标 i 。 以这种方式修改数组后&#xff0c;返回数…
阅读更多...
软考57-上午题-【数据库】-数据库的控制功能

软考57-上午题-【数据库】-数据库的控制功能

一、事务管理 1-1、事务的定义 事务是一个操作序列&#xff0c;这些操作&#xff0c;要么都做&#xff0c;要么都不做。 事务和程序是两个不同的概念&#xff0c;一般一个程序可以包含多个事务。 1-2、事务定义的语句 1、事务开始&#xff1a;BEGIN TRANSACTION 2、事务提…
阅读更多...
LabVIEW齿轮传动健康状态静电在线监测

LabVIEW齿轮传动健康状态静电在线监测

LabVIEW齿轮传动健康状态静电在线监测 随着工业自动化的不断发展&#xff0c;齿轮传动作为最常见的机械传动方式之一&#xff0c;在各种机械设备中发挥着至关重要的作用。然而&#xff0c;齿轮在长期运行过程中易受到磨损、变形等因素影响&#xff0c;进而影响整个机械系统的稳…
阅读更多...
蓝桥杯集训·每日一题2024 （差分）

蓝桥杯集训·每日一题2024 （差分）

前言&#xff1a; 差分笔记以前就做了&#xff0c;在这我就不再写一遍了&#xff0c;直接上例题。 例题&#xff1a; #include<bits/stdc.h> using namespace std; int a[10009],b[100009]; int main(){int n,ans10,ans20;cin>>n;for(int i1;i<n;i){cin>>…
阅读更多...
数字经济的新机遇：揭秘Web3的商业价值

数字经济的新机遇：揭秘Web3的商业价值

引言&#xff1a; 随着技术的飞速发展和互联网的日益普及&#xff0c;数字经济已经成为了当今社会的重要组成部分。而在数字经济的蓬勃发展中&#xff0c;Web3技术被认为是一个颠覆性的力量&#xff0c;它不仅重新定义了数字世界的基础架构&#xff0c;还为商业创新带来了巨大…
阅读更多...
嵌入式学习第二十四天！（进程间通信：消息队列、共享内存、信号灯）

嵌入式学习第二十四天！（进程间通信：消息队列、共享内存、信号灯）

进程间的通信&#xff1a; 消息队列、共享内存、信号灯&#xff1a; 1. IPC对象&#xff1a;内存文件 1. ipcs&#xff1a; 查看系统中的消息队列&#xff0c;共享内存、信号灯的信息 2. ipcrm&#xff1a; 删除消息队列、共享内存、信号灯 ipcrm -Q/-M/-S key ipcrm -q/-m/-s…
阅读更多...
linux安装部署

linux安装部署

jdk&tomcat安装 1.上传jdk、tomcat安装包 2.解压两个工具包 #解压tar -zxvf apache-tomcat-8.5.20.tar.gz#解压jdktar -zxvf jdk-8u151-linux-x64.tar.gz 3.配置并且测试jdk安装 #配置环境变量vim /etc/profile​#java environmentexport JAVA_HOME/soft/jdk1.8.0_151exp…
阅读更多...
Whisper实现语音识别转文本

Whisper实现语音识别转文本

#教程 主要参考开源免费离线语音识别神器whisper如何安装&#xff0c; OpenAI开源模型Whisper——音频转文字 Whisper是一个开源的自动语音识别系统&#xff0c;它在网络上收集了680,000小时的多语种和多任务监督数据进行训练&#xff0c;使得它可以将多种语言的音频转文字。…
阅读更多...
【学位论文】上海交通大学 研究生学位论文 本地保存

【学位论文】上海交通大学 研究生学位论文 本地保存

上海交大研究生学位论文网&#xff1a;http://thesis.lib.sjtu.edu.cn/ &#xff08;只能校内访问或SJTU VPN访问&#xff09; 如果希望下载论文&#xff0c;需要参考&#xff1a;https://github.com/olixu/SJTU_Thesis_Crawler 安装过程 安装过程的几个坑&#xff1a; &a…
阅读更多...
【Java开发】Java实现调用微信机器人，发送企业微信通知

【Java开发】Java实现调用微信机器人，发送企业微信通知

请直接看原文: 【Java开发】Java实现调用微信机器人&#xff0c;发送企业微信通知_java 企业微信推送机器人消息-CSDN博客 ------------------------------------------------------------------------------------------------------------------------------- 企业微信机器…
阅读更多...
无需安装！7款一键在线UI设计利器

无需安装！7款一键在线UI设计利器

制作完原型后&#xff0c;需要优化界面。此时是UI设计师的任务。UI设计软件对设计师来说非常重要。UI设计工具的使用是否直接影响到最终结果的质量&#xff0c;所以有人会问:UI界面设计使用什么软件&#xff1f;这里有一些UI设计师和对UI设计感兴趣的朋友列出了五款好用免费的U…
阅读更多...
Unity 动态加载音频和音效

Unity 动态加载音频和音效

想要加载音效和音频需要两个组件&#xff1a; 听&#xff1a; 播&#xff1a; 一收一发 在层级中&#xff0c;右键创建 音频源 &#xff0c;放入物体的子物体中。 播放 方式一 拖动需要播放的音频文件到&#xff0c;音频源组件中。 using System.Collections; using Syst…
阅读更多...
最新文章

Copyright @ 2022~2023