维度变换--首先将矩阵倒过来

简介:

如果你拿着一根3米长的杆子上车你会怎么进入车里,肯定是把杆子平起来进入的,如果竖起来的话一般是进不去的,起码我是没有见过那个高的车。把杆子放平,虽然我知道它长度依然很长,但是同时我知道它高度减少了,进入车门时我不关心长度,我只关心放平后的高度。

其实计算机算法中也可以使用这个简单的原理,首先看看我曾经写过的一个排序算法,叫做赛跑排序,虽然我们知道待排序的数字很多,但是我们同时也知道每个数字(以int为例)也就是32位,如果我们把数字平放的话,不再一个数字一个数字的比较,而是一个位一个位的比较,那么就是赛跑算法了,最理想的情况32次就完事了。再考虑一个例子,就是linux调度器发展中O(n)到O(1)的变化,O(n)的想法是按照优先级排序n个进程,而O(1)则是想到优先级是固定数量的,于是将O(n)的队列平放,这样按照每个优先级一个链表的方式进行排序,这就是O(1),其实和赛跑排序的思想是一样的。这两个例子和前面拿杆子上车的例子的关键思想是一样的,就是尽量利用好固定的东西,不确定的东西即使你再厉害也是不可靠的(再好的哈希函数也没有一个静态数组效率高)。



 本文转自 dog250 51CTO博客,原文链接:http://blog.51cto.com/dog250/1274067

相关文章
|
1月前
|
存储 机器学习/深度学习 算法
【算法训练-数组 三】【数组矩阵】螺旋矩阵、旋转图像、搜索二维矩阵
【算法训练-数组 三】【数组矩阵】螺旋矩阵、旋转图像、搜索二维矩阵
40 0
|
1月前
|
机器学习/深度学习 存储 人工智能
利用前缀和计算二维矩阵子矩阵的和
利用前缀和计算二维矩阵子矩阵的和
32 0
|
1月前
|
JavaScript SoC
leetcode-304:二维区域和检索 - 矩阵不可变
leetcode-304:二维区域和检索 - 矩阵不可变
37 0
|
1月前
|
算法 定位技术
插值、平稳假设、本征假设、变异函数、基台、块金、克里格、线性无偏最优…地学计算概念及公式推导
插值、平稳假设、本征假设、变异函数、基台、块金、克里格、线性无偏最优…地学计算概念及公式推导
|
10月前
|
机器学习/深度学习 决策智能
矩阵分析 (六) 矩阵的函数
矩阵分析 (六) 矩阵的函数
|
11月前
|
机器学习/深度学习 移动开发
线性代数高级--二次型--特征值与特征向量--特征值分解--多元函数的泰勒展开
线性代数高级--二次型--特征值与特征向量--特征值分解--多元函数的泰勒展开
|
PyTorch 算法框架/工具
torch 如何实现两点分布采样,要求采100个样本,其中20个样本为数字1,80个为数字2
可以使用 PyTorch 中的 torch.distributions 模块实现两点分布采样。具体来说,可以使用 Categorical 分布将数字1和数字2的概率分别设为0.2和0.8,然后调用 sample() 方法进行采样。可以先使用 torch.ones() 和 torch.zeros() 函数生成分别包含20个数字1和80个数字2的张量,然后使用 torch.cat() 函数将它们拼接在一起,再使用 torch.randperm() 函数对其进行打乱。
291 0
|
资源调度 PyTorch 算法框架/工具
pytorch 如何生成指定位置、尺度参数的随机高斯矩阵,并指定这个随机矩阵的形式
在上述代码中,我们使用 torch.normal(mean=mu, std=sigma, size=(m, n)) 函数直接生成了一个形状为 (m, n) 的随机高斯矩阵 data,其中 mean 参数指定了均值,std 参数指定了标准差。 需要注意的是,与 torch.randn() 不同,torch.normal() 生成的是具有指定均值和标准差的高斯分布,因此生成的随机矩阵不一定是标准正态分布。如果需要生成标准正态分布随机矩阵,可以将 mean 参数设置为 0,std 参数设置为 1。
973 1
|
算法
LeetCode 73矩阵置零&74搜素二维矩阵&75颜色分类
给定一个 m x n 的矩阵,如果一个元素为 0,则将其所在行和列的所有元素都设为 0。请使用原地算法。
106 0
LeetCode 73矩阵置零&74搜素二维矩阵&75颜色分类

热门文章

最新文章