C++笔记：从零开始一步步手撕高阶数据结构AVL树

文章目录

  • 高度平衡二叉搜索树
  • 实现一颗AVL树
    • 结点与树的描述——定义类
    • AVL树的插入操作
      • 步骤1：按照二叉搜索树的方法插入结点
      • 步骤2：自底向上调整平衡因子
      • 步骤3：触发旋转操作（AVL树平衡的精髓）
        • 右单旋
        • 左单旋
        • 左右双旋
        • 右左双旋
    • 验证AVL树是否平衡
  • 参考文章

高度平衡二叉搜索树

二叉搜索树是一种特殊的树形数据结构，一般情况下，该树能够缩短查找的效率，但是它有个缺陷，在结点的插入或删除顺序较为特殊时结构会退化成链表，导致搜索、插入和删除等操作的时间复杂度从O(log n)退化到O(n)。

【二叉搜索树退化成链表的例子】
在这里插入图片描述

高度平衡二叉搜索树是针对二叉搜索树的缺陷所发明出来的一种改良结构。

高度平衡二叉搜索树常被称为 “ AVL树 ”，这主要是为了纪念发明它两位俄罗斯的数学家G.M.Adelson-Velskii和E.M.Landis，AVL是两位数学家的名字的缩写。

一颗AVL树或者是空树，或者是具有以下性质的二叉搜索树：

  • 左右子树高度之差（简称为平衡因子）的绝对值不超过1。
  • 在这里平衡因子的求法定义为：右子树的高度 - 左子树的高度。
  • 结点的左右两棵子树也都是一棵平衡二叉树。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

实现一颗AVL树

概念部分讲的差不多了，至于AVL树相较于二叉搜索树是如何保持平衡结构，就在接下来的实现过程中一步步讲解。

结点与树的描述——定义类

namespace ljh
{
	template<class K, class V>
	struct AVLTreeNode
	{
		AVLTreeNode(const pair<K, V> kv) : _kv(kv) {}

		AVLTreeNode<K, V>* _parent = nullptr;	// A pointer to node's father
		AVLTreeNode<K, V>* _left = nullptr;		// A pointer to node's left child
		AVLTreeNode<K, V>* _right = nullptr;	// A pointer to node's right child
		int _bf = 0;		// balance factor
		pair<K, V> _kv;		// key-value
	};

	template<class K, class V>
	class AVLTree
	{
		typedef AVLTreeNode<K, V> Node;

	public:
		// AVL树的操作方法

	protected:
		Node* _root = nullptr;
	};
}

【说明】

  1. 模板化设计：
    • 使用template<class K, class V>来定义AVLTreeNode和AVLTree，使得该数据结构能够处理任意类型的键（Key）和值（Value），提高了代码的复用性和灵活性。
    • K代表键的类型，V代表值的类型。使用者可以根据自己的需求，在AVL树存储任何类型的键值对。
  2. AVLTreeNode类：
    • AVLTreeNode结构体定义了AVL树中每个节点的结构，用struct定义是为了方便在树类访问。
    • _parent指针：指向父节点，用于在旋转等操作中快速定位父节点（记住这里的旋转，这将是后面的重点）。
    • _left和_right指针：分别指向左孩子和右孩子，是二叉树结构的基础。
    • _bf（平衡因子）：存储节点的平衡因子，用于衡量树是否平衡。
    • _kv：存储于结点中的键值对，其中K是键的类型，V是值的类型。
  3. 构造函数：
    • AVLTreeNode的构造函数接收一个pair<K, V>对象，并初始化_kv成员变量。这样，当创建新节点时，可以方便地传入键值对。
  4. AVLTree类：
    • AVLTree类代表整个AVL树结构。
    • typedef AVLTreeNode<K, V> Node;，在内部使用定义了一个类型别名Node，目的是简化代码书写。
    • _root指针：指向AVL树的根节点，是整棵树的入口点。
  5. 保护成员：
    • _root成员变量被设计为protected，意味着它只能在AVLTree类及其派生类中被访问。这种设计是为了将AVL树的内部实现细节隐藏起来，而只暴露必要的公共接口给外部使用。
  6. 命名空间：
    • 为了方便使用库函数，使用using namespace std;展开标准库，但这容易引发同名类或函数发生冲突，因而将所有定义放在ljh命名空间中。

AVL树的插入操作

AVL树的插入操作实现起来大致分成以下三个大步骤

步骤1：按照二叉搜索树的方法插入结点

  1. 树为空，则构造新结点，让_root 指针指向该结点，返回true。
  2. 树不空，按key的大小寻找插入位置，如果已存在，按插入失败处理，返回false。
  3. 走到空表示找到合适位置，然后插入构造的新结点，插入时要判断左边插入或者右边插入。

此时插入并未结束，接下来进行步骤二的平衡因子更新操作！

【步骤1的代码如下：】

bool insert(pair<K, V> kv)
{
	// empty tree -> 直接插入
	if(_root == nullptr)
	{
		_root = new Node(kv);
		return true;
	}
	// not empty tree -> 找到合适的位置再插入
	else
	{
		Node* child = _root;
		Node* parent = nullptr;

		while (child)
		{
			// 大，往右走
			if (child->_kv.first < kv.first)
			{
				parent = child;
				child = child->_right;
			}
			// 小，往左走
			else if (child->_kv.first > kv.first)
			{
				parent = child;
				child = child->_left;
			}
			// 相同，插入失败
			else
			{
				return false;
			}
		}

		// child == nullptr, 找到合适的位置
		child = new Node(kv);

		if (child->_kv.first > parent->_kv.first)	parent->_right = child;
		else	parent->_left = child;
		child->_parent = parent;

		// 自底向上更新平衡因子
		// ...
	}
}

步骤2：自底向上调整平衡因子

我们将新插入结点称为child，新插入结点的双亲结点称为parent。

平衡因子的更新规则如下：

  • 如果child是parent的左孩子，parent的平衡因子-1。
  • 如果child是parent的右孩子，parent的平衡因子+1。

这是第一次更新，更新完之后要不要继续向上更新取决于以parent为根结点的这棵树的高度是否变化，情况有以下3种：

  1. 平衡因子更新后，parent的平衡因子为0：
    这意味着parent->_bf是从-1 -> 0或者 从1 -> 0，以parent为根结点的这棵树的高度没有发生变化，不用再向上更新平衡因子，可以返回true，表示插入成功。

  2. 平衡因子更新后，parent的平衡因子为-1或+1：
    这意味着parent->_bf是从0 -> -1或者 从0 -> 1，以parent为根结点的这棵树的高度发生了变化，但还没有达到需要旋转的程度。
    在这种情况下，更新child = child->_parent，更新parent = parent->_parent，继续更新parent 的平衡因子，直到情况1：找到平衡因子为0的节点；或者情况2：到达根节点（parent == nullptr）。

  3. 平衡因子更新后，parent的平衡因子为-2或+2：
    这意味着此时以parent为根结点的这棵树已经违反了AVL树的规则，需要进行旋转处理，处理完之后，可以直接返回true。

【步骤2的代码如下：】

// 自底向上更新平衡因子
while (parent)
{
	if (child == parent->_left)
	{
		--parent->_bf;
	}
	else
	{
		++parent->_bf;
	}

	if (parent->_bf == 0)
	{
		return true;
	}
	else if (parent->_bf == 1 || parent->_bf == -1)
	{
		child = child->_parent;
		parent = parent->_parent;
	}
	else if (parent->_bf == 2 || parent->_bf == -2)
	{
		// 违反规则，旋转处理
		// ...
	}
	else
	{
		// 理论上没错误不会走到这里
		assert(false);
	}
}

步骤3：触发旋转操作（AVL树平衡的精髓）

根据节点插入位置的不同，AVL树的旋转分为以下4种：

由于具象图的种类繁多，根本不可能画得完，下面AVL树旋转的图解中大多画的是抽象图。

右单旋

这里给出了一棵以结点90作为根节点的AVL树的抽象图，图中 a / b / c 代表三棵高度为 h 的子树。
这颗AVL树的左子树高度高于右子树高度。
在这里插入图片描述

首先，以90为根结点的这棵树有三种可能：

  1. 它是某棵AVL树的左子树；
  2. 它是某棵AVL树的右子树；
  3. 它就是AVL树的根结点；

在这里插入图片描述

当新结点插入在了较高左子树的左侧，即 a 子树时，child 和 parent 自底向上更新平衡因子，当出现parent->_bf == -2, child->_bf == -1时，该树违反了AVL树的规则，需要进行右单旋操作。
在这里插入图片描述

在右单旋中，涉及到改变链接关系的结点主要有以下4个：
在这里插入图片描述

当 a / b / c 3棵子树高度为零时插入新结点，平衡因子为 -2 的结点向右旋转：
在这里插入图片描述

当 a / b / c 3棵子树高度不为零时插入新结点，平衡因子为 -2 的结点向右旋转：
在这里插入图片描述

【右单旋操作的代码如下】

void R_Rotate(Node* parent)
{
	Node* ppnode = parent->_parent;
	Node* subL = parent->_left;
	Node* subLR = subL->_right;

	// subL and parent
	subL->_right = parent;
	parent->_parent = subL;

	// parent and subLR
	parent->_left = subLR;
	if (subLR)	subLR->_parent = parent;

	// ppnode and subL
	if (ppnode == nullptr)
	{
		_root = subL;
		subL->_parent = nullptr;
	}
	else
	{
		subL->_parent = ppnode;
		if (parent == ppnode->_left)
		{
			ppnode->_left = subL;
		}
		else
		{
			ppnode->_right = subL;
		}
	}

	parent->_bf = subL->_bf = 0;
}
左单旋

这里给出了一棵以结点30作为根节点的AVL树的抽象图，图中 a / b / c 代表三棵高度为 h 的子树。
这颗AVL树的右子树高度高于左子树高度。
在这里插入图片描述

首先，以30为根结点的这棵树有三种可能：

  1. 它是某棵AVL树的左子树；
  2. 它是某棵AVL树的右子树；
  3. 它就是AVL树的根结点；

在这里插入图片描述

当新结点插入在了较高右子树的右侧，即 c 子树时，child 和 parent 自底向上更新平衡因子，当出现parent->_bf == 2, child->_bf == 1时，该树违反了AVL树的规则，需要进行左单旋操作。
在这里插入图片描述

在左单旋中，涉及到改变链接关系的结点同样有4个：
在这里插入图片描述

当 a / b / c 3棵子树高度为零时插入新结点，平衡因子为 2 的结点向左旋转：
在这里插入图片描述

当 a / b / c 3棵子树高度不为零时插入新结点，平衡因子为 2 的结点向左旋转：
在这里插入图片描述

【左单旋操作的代码如下】

void L_Rotate(Node* parent)
{
	Node* ppnode = parent->_parent;
	Node* subR = parent->_right;
	Node* subRL = subR->_left;

	// subR and parent
	subR->_left = parent;
	parent->_parent = subR;

	// parent and subRL
	parent->_right = subRL;
	if (subRL)	subRL->_parent = parent;

	//ppnode and subR
	if (ppnode == nullptr)
	{
		_root = subR;
		subR->_parent = nullptr;
	}
	else
	{
		subR->_parent = ppnode;
		if (parent == ppnode->_left)
		{
			ppnode->_left = subR;
		}
		else
		{
			ppnode->_right = subR;
		}
	}
	parent->_bf = subR->_bf = 0;
}
左右双旋

这里给出了一棵以结点90作为根节点的AVL树的抽象图，图中 a / b / c / d 代表四棵子树。
这颗AVL树的左子树高度高于右子树高度。
在这里插入图片描述

首先，以90为根结点的这棵树有三种可能：

  1. 它是某棵AVL树的左子树；
  2. 它是某棵AVL树的右子树；
  3. 它就是AVL树的根结点；

在这里插入图片描述

下面三种情况都有一个共同给特点，就是parent->_bf == -2, child->_bf == 1。
我们不难发现，左右双旋可以视为先左旋再右旋，即结点30先左旋，结点90再右旋。
在这里插入图片描述

在这里插入图片描述

单旋中的subLR不管怎么操作，它的平衡因子都是 0，但是在双旋中，subLR有可能是 -1、0、1中任意一种，因此，虽然双旋操作我们可以复用单旋的代码，但是双旋之后的平衡因子调整需要单独处理。
在这里插入图片描述

【左右双旋的代码如下】

void LR_Rotate(Node* parent)
{
	Node* subL = parent->_left;
	Node* subLR = subL->_right;

	// 双旋之后要靠bf来更新平衡因子
	int bf = subLR->_bf;

	L_Rotate(subL);
	R_Rotate(parent);

	if (bf == 0)
	{
		subLR->_bf = 0;
		subL->_bf = 0;
		parent->_bf = 0;
	}
	else if (bf == -1)
	{
		subLR->_bf = 0;
		subL->_bf = 0;
		parent->_bf = 1;
	}
	else
	{
		subLR->_bf = 0;
		subL->_bf = -1;
		parent->_bf = 0;
	}
}
右左双旋

这里给出了一棵以结点30作为根节点的AVL树的抽象图，图中 a / b / c / d 代表四棵子树。
这颗AVL树的右子树高度高于左子树高度。
在这里插入图片描述

首先，以30为根结点的这棵树有三种可能：

  1. 它是某棵AVL树的左子树；
  2. 它是某棵AVL树的右子树；
  3. 它就是AVL树的根结点；

在这里插入图片描述

下面三种情况都有一个共同给特点，就是parent->_bf == 2, child->_bf == -1。
我们不难发现，右左双旋可以视为先右旋再左旋，即结点90先右旋，结点30再左旋。
在这里插入图片描述

在这里插入图片描述

单旋中的subRL不管怎么操作，它的平衡因子都是 0，但是在双旋中，subRL有可能是 -1、0、1中任意一种，因此，虽然双旋操作我们可以复用单旋的代码，但是双旋之后的平衡因子调整需要单独处理。
在这里插入图片描述

【右左双旋的代码如下】

void RL_Rotate(Node* parent)
{
	Node* subR = parent->_right;
	Node* subRL = subR->_left;

	// 双旋之后要靠bf来更新平衡因子
	int bf = subRL->_bf;

	R_Rotate(subR);
	L_Rotate(parent);

	if (bf == 0)
	{
		subRL->_bf = 0;
		parent->_bf = 0;
		subR->_bf = 0;
	}
	else if (bf == -1)
	{
		subRL->_bf = 0;
		parent->_bf = 0;
		subR->_bf = 1;
	}
	else
	{
		subRL->_bf = 0;
		parent->_bf = -1;
		subR->_bf = 0;
	}
}

验证AVL树是否平衡

虽然目前已经将AVL树的插入操作的代码已经写出来了，但是仅仅是写出来了一定能够保证代码就是正确的吗——肯定不是！

所以，接下来还要再实现一个方法，来验证一棵AVL树是不是平衡的。

AVL树是在二叉搜索树的基础上加入了平衡性的限制，因此要验证AVL树，可以分两步：

  1. 验证其为二叉搜索树
    如果中序遍历可得到一个有序的序列，就说明为二叉搜索树。
  2. 验证其为平衡树
    每个结点子树高度差的绝对值不超过1（注意节点中如果没有平衡因子）。
    结点的平衡因子是否计算正确。

【写法一代码：简单但是效率低】

// 求AVL树的高度
size_t _Height(Node* root)
{
	if (root == nullptr)
		return 0;

	int leftHeight = _Height(root->_left);
	int rightHeight = _Height(root->_right);

	return leftHeight > rightHeight ? leftHeight + 1 : rightHeight + 1;
}

size_t Height()
{
	return _Height(_root);
}

bool _IsBalance(Node* root)
{
	// 空树也是AVL树
	if (root == nullptr) return true;
	
	// 计算root节点的平衡因子：即root左右子树的高度差
	int leftHeight = _Height(root->_left);
	int rightHeight = _Height(root->_right);

	// 如果计算出的平衡因子与pRoot的平衡因子不相等，或者
	// root平衡因子的绝对值超过1，则一定不是AVL树
	int diff = rightHeight - leftHeight;
	if (abs(diff) >= 2)
	{
		cout << root->_kv.first << "不平衡" << endl;
		return false;
	}

	if (diff != root->_bf)
	{
		cout << root->_kv.first << "平衡因子异常" << endl;
		return false;
	}
	
	// root的左和右如果都是AVL树，则该树一定是AVL树
	return _IsBalance(root->_left) && _IsBalance(root ->_right);
}

【写法二代码：效率高但是相较写法一难理解】

// 判断AVL树是否平衡，高效
bool _IsBalance(Node* root, int& height)
{
	// 空树也是AVL树
	if (root == nullptr)
	{
		height = 0;
		return true;
	}

	// 后序递归，leftHeight、rightHeight会分别获取root的左右子树的高度
	int leftHeight = 0, rightHeight = 0;
	if (!_IsBalance(root->_left, leftHeight) 
	 || !_IsBalance(root->_right, rightHeight))
	{
		return false;
	}

	// 如果高度差的绝对值 >= 2，AVL树不平衡
	int diff = rightHeight - leftHeight;
	if (abs(diff) >= 2)
	{
		cout << root->_kv.first << "不平衡" << endl;
		return false;
	}

	// 如果高度差 != root->_bf，AVL树插入过程中的平衡因子更新有问题
	if (diff != root->_bf)
	{
		cout << root->_kv.first << "平衡因子异常" << endl;
		return false;
	}

	// 将root自己的高度通过引用返回给上一层栈帧
	height = leftHeight > rightHeight ? leftHeight + 1 : rightHeight + 1;

	// root的左子树平衡、右子树平衡、root自身也平衡，那这棵AVL树就平衡
	return true;
}

参考文章

数据结构 —— 图解AVL树(平衡二叉树)
高度平衡二叉搜索树（AVLTree）
【数据结构】AVL树的删除（解析有点东西哦）

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/460762.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

【算法与数据结构】深入解析二叉树（二）之堆结构实现

【算法与数据结构】深入解析二叉树（二）之堆结构实现

文章目录 &#x1f4dd;二叉树的顺序结构及实现&#x1f320; 二叉树的顺序结构&#x1f320; 堆的实现&#x1f320; 堆的实现&#x1f309;堆向下调整算法&#x1f309;堆的创建&#x1f309;建堆时间复杂度&#x1f309;堆的插入&#x1f309;堆的删除 &#x1f320;堆向上调…
阅读更多...
什么是资源子网和通信子网有什么特点

什么是资源子网和通信子网有什么特点

资源子网和通信子网是计算机网络中常见的两种子网类型&#xff0c;它们分别承担着资源管理和数据传输的重要功能。资源子网以共享资源为核心&#xff0c;通过集中管理和高效共享提高了资源利用率&#xff0c;而通信子网则负责连接不同资源子网&#xff0c;实现数据的传输和通信…
阅读更多...
Spring-1

Spring-1

目录 概念 优点 Autowired和Resource关键字 相同点 不同点 依赖注入的三种方式 概念 Spring 是个java企业级应用的开源开发框架。Spring主要用来开发Java应用&#xff0c;但是有些扩展是针对构建J2EE&#xff08;Java平台企业版&#xff09;平台的web应用。Spring 框架目…
阅读更多...
emment语法

emment语法

文章目录 1. 生成普通的标签2. 生成 div类名3. 生成指定标签类名/id 值4. 生成带有子元素的标签5. 生成内部文本6. 一次可以生成多个标签7. 生成带有指定属性 的元素8. 生成相邻兄弟元素 1. 生成普通的标签 本质使用的就是元素选择器&#xff0c;例如 div p a 标签等等。 2. …
阅读更多...
基于Benchmark查看OceanBase执行计划

基于Benchmark查看OceanBase执行计划

&#x1f4e2;&#x1f4e2;&#x1f4e2;&#x1f4e3;&#x1f4e3;&#x1f4e3; 哈喽&#xff01;大家好&#xff0c;我是【IT邦德】&#xff0c;江湖人称jeames007&#xff0c;10余年DBA及大数据工作经验 一位上进心十足的【大数据领域博主】&#xff01;&#x1f61c;&am…
阅读更多...
stm32-定时器输入捕获

stm32-定时器输入捕获

目录 一、输入捕获简介 二、输入捕获框图 1.定时器总框图 2.输入捕获框图 3.主从触发模式 三、固件库实现 1.定时器测量PWM频率 2.PWMI模式 一、输入捕获简介 二、输入捕获框图 1.定时器总框图 上图可知&#xff0c;四个输入捕获和输出比较共用4个CCR寄存器&#x…
阅读更多...
perl 用 XML::LibXML DOM 解析 Freeplane.mm文件，生成测试用例.csv文件

perl 用 XML::LibXML DOM 解析 Freeplane.mm文件，生成测试用例.csv文件

Freeplane 是一款基于 Java 的开源软件&#xff0c;继承 Freemind 的思维导图工具软件&#xff0c;它扩展了知识管理功能&#xff0c;在 Freemind 上增加了一些额外的功能&#xff0c;比如数学公式、节点属性面板等。 在云计算中&#xff0c;解析XML元素和属性是一种常见的操作…
阅读更多...
数据库 | MYSQL这个复杂系统如何上手？

数据库 | MYSQL这个复杂系统如何上手？

当你不知道从何入手研究或解决一个复杂系统的问题时&#xff0c;通常意味着你没有找到合适的切入点或者缺乏对系统整体和细节之间联系的理解。在这种情况下&#xff0c;一个有用的策略是寻找系统的基本原理或构成要素。 小时候&#xff0c;你可能也玩过玩具四驱车。有的四驱车…
阅读更多...
如何搭建“Docker Registry私有仓库，在CentOS7”？

如何搭建“Docker Registry私有仓库，在CentOS7”？

1、下载镜像Docker Registry docker pull registry:2.7.1 2、运行私有库Registry docker run -d -p 5000:5000 -v ${PWD}/registry:/var/lib/registry --restartalways --name registry registry:2.7.1 3、拉取镜像 docker pull busybox 4、打标签&#xff0c;修改IP&#x…
阅读更多...
气液分离器的选型介绍

气液分离器的选型介绍

气液分离器在热泵或制冷系统中的基本作用是分离出并保存回气管里的液体以防止压缩机液击。因此，它可以暂时储存多余的制冷剂液体，并且也防止了多余制冷剂流到压缩机曲轴箱造成油的稀释。因为在分离过程中，冷冻油也会被分离出来并积存在底部，所以在气液分离器出口管和底部会…
阅读更多...
Github 2024-03-16 Rust开源项目日报 Top10

Github 2024-03-16 Rust开源项目日报 Top10

根据Github Trendings的统计，今日(2024-03-16统计)共有10个项目上榜。根据开发语言中项目的数量，汇总情况如下： 开发语言项目数量Rust项目10TypeScript项目2Go项目1RustDesk: 用Rust编写的开源远程桌面软件 创建周期：1218 天开发语言：Rust, Dart协议类型：GNU Affero Gene…
阅读更多...
绝地求生：PUBG 2024年 更新重点偏向于武器平衡、游戏互动及联名道具

绝地求生：PUBG 2024年 更新重点偏向于武器平衡、游戏互动及联名道具

一、游戏体验 1. 增加可破坏的环境 1.1 增加更多互动功能 通过可破坏环境将游戏方式变得千变万化。待功能上线&#xff0c;在后续游戏中玩家可以对建筑物进行部分破坏来开辟新的进攻、撤退路线&#xff0c;或搭建掩体进行战略性攻击。 环境破坏部分功能&#xff0c;将会在4…
阅读更多...
“风口”上的量化大厂“绣球”抛向中低频人才

“风口”上的量化大厂“绣球”抛向中低频人才

量化人才这几年是人才舞台上的“香饽饽”。 遵循着低频不如高频、小厂不如大厂的薪资逻辑&#xff0c;各路人才被各路机构“哄抢”&#xff0c;薪资一路走高。 但2024年的“信号”再强烈不过——量化大厂们到了改变的时候了。 而量化大厂们显然对此已“心知肚明”....... “…
阅读更多...
19 OpenCV 霍夫曼变换检测圆

19 OpenCV 霍夫曼变换检测圆

文章目录 cv::HoughCircles算子参数示例 cv::HoughCircles 因为霍夫圆检测对噪声比较敏感&#xff0c;所以首先要对图像做中值滤波。 基于效率考虑&#xff0c;Opencv中实现的霍夫变换圆检测是基于图像梯度的实现&#xff0c;分为两步&#xff1a; 检测边缘&#xff0c;发现可能…
阅读更多...
深度学习 精选笔记（11）深度学习计算相关：GPU、参数、读写、块

深度学习 精选笔记（11）深度学习计算相关：GPU、参数、读写、块

学习参考&#xff1a; 动手学深度学习2.0Deep-Learning-with-TensorFlow-bookpytorchlightning ①如有冒犯、请联系侵删。 ②已写完的笔记文章会不定时一直修订修改(删、改、增)&#xff0c;以达到集多方教程的精华于一文的目的。 ③非常推荐上面&#xff08;学习参考&#x…
阅读更多...
oracle基础-子查询 备份

oracle基础-子查询 备份

一、什么是子查询 子查询是在SQL语句内的另外一条select语句&#xff0c;也被称为内查询活着内select语句。在select、insert、update、delete命令中允许是一个表达式的地方都可以包含子查询&#xff0c;子查询也可以包含在另一个子查询中。 【例1.1】在Scott模式下&#xff0…
阅读更多...
CSS扩展选择器

CSS扩展选择器

文章目录 1. 并集选择器2. 交集选择器3. 后代选择器4. 子代选择器5. 兄弟选择器5.1. 相邻兄弟选择器5.2. 通用兄弟选择器 6. 属性选择器7. 伪类选择器7.1. 动态伪类7.2. 结构伪类7.3. 否定伪类 8. 伪元素选择器9. Google 改进案例 1. 并集选择器 选中多个选择器对应的元素。一…
阅读更多...
如何在Linux上使用git远程上传至gitee托管（add-commit-push指令详解）

如何在Linux上使用git远程上传至gitee托管（add-commit-push指令详解）

&#x1f490; &#x1f338; &#x1f337; &#x1f340; &#x1f339; &#x1f33b; &#x1f33a; &#x1f341; &#x1f343; &#x1f342; &#x1f33f; &#x1f344;&#x1f35d; &#x1f35b; &#x1f364; &#x1f4c3;个人主页 &#xff1a;阿然成长日记 …
阅读更多...
Xpay源支付2.8.8免授权聚合免签系统

Xpay源支付2.8.8免授权聚合免签系统

产品介绍 XPay是专为个人站长打造的聚合免签系统&#xff0c;拥有卓越的性能和丰富的功能。采用全新轻量化的界面UI&#xff0c;让您可以更加方便快捷地解决知识付费和运营赞助的难题。同时&#xff0c;它基于高性能的ThinkPHP 6.1.2 Layui 2.8.10 PearAdmin架构&#xff0c…
阅读更多...
面向对象（下）

面向对象（下）

目录 01、static1.1、static的使用1.2、static应用举例1.3、单例(Singleton)设计模式 02、main方法的语法03、类的成员之四&#xff1a;代码块04、关键字&#xff1a;final05、抽象类与抽象方法5.1、多态的应用&#xff1a;模板方法设计模式(TemplateMethod) 06、接口(interfac…
阅读更多...
最新文章

Copyright @ 2022~2023