min函数

一、背景： 为了统计服务器在不同并发请求数下响应的处理速度，对每一个请求的耗时进行了记录，后面将每个请求通过散点图表示出来，查看响应的分布状态。 txt文档格式，读取到excel后的展示。 二、流程解析 1.读取文件函数 使用f.readlines() 按行读取，最终返回一个列表，每行内容为一个列表中的元素。 2.最小和最大函数 因为excel中图表x轴需要一个浮点数，在excel中1:00:00 时间格式转换为数值为0.04147，所以首先取时间里面最小和最大的时间转换为浮点数为后面图表的范围做准备。 3. 画图函数 使用xlsxwriter只能创建，不能读取和修改文件。 首先使用worksheet.write方法写入原始数据，再通过workbook.add_chart方法添加图表。 三、xlsxwriter使用方法 四、代码 import xlsxwriter import datetime # 数据读取 def read_txt(): content=[] with open('./cptn1','r') as f: content_line=f.readlines() for content_row in content_line: content.append(content_row.strip('\n').split(',')) return content def

题目描述 定义栈的数据结构，请在该类型中实现一个能够得到栈中所含最小元素的min函数（时间复杂度应为O（1））。 ac：100% 思路：在push和pop的时候分别重新计算最小值，存入min中，这个时候min方法时间复杂度就是O(1)了 import java.util.Stack; public class Solution { private Stack<Integer> stack = new Stack<Integer>(); private int min; private int size = 0; public void push(int node) { if(size == 0) { min = node; } else { min = node < min ? node : min; } stack.push(node); size++; } public void pop() { if(!stack.empty()) { if(stack.pop() == min) { min = 999999999; Stack<Integer> stackTemp = new Stack<Integer>(); Integer temp; while((temp = stack.pop()) != null) { min = min < temp ? min : temp;

Infi-chu: http://www.cnblogs.com/Infi-chu/ 一、Django-forms作用 前端和后端都要校验 前端校验的目的：减少后端的压力 用forms可以同时完成前端和后端的校验，而且可以减少代码量 二、forms的基本使用 1.定义数据的时候导入forms类 2.字段通过forms导入 views.py from django.forms import Form from django.forms import fields class LoginForm(Form): ### 全部都是验证的规则 username = fields.CharField( required=True, ### 不能为空 max_length=18, ### 最大的长度是18 min_length=6, ### 最小的长度是6 error_messages = { ### 对英文进行重写 "required" : "不能为空", "max_length":"太长了", "min_length":"太短了", } ) pwd = fields.CharField() 3.方法中对于传参进行定义 views.py def login(request): if request.method == 'GET': return render(request, "login

数据增广： 目标检测:SSD的数据增强算法 代码地址 https://github.com/weiliu89/caffe/tree/ssd 论文地址 https://arxiv.org/abs/1512.02325 数据增强： SSD数据增强有两种新方法：（1）expand ，左图（2）batch_sampler，右图 expand_param { prob: 0.5 //expand发生的概率 max_expand_ratio: 4 //expand的扩大倍数 } 1 2 3 4 expand是指 对图像进行缩小，图像的其余区域补0 ，下图是expand的方法。个人认为这样做的目的是在数据处理阶段增加多尺度的信息。 大object通过expand方法的处理可以变成小尺度的物体训练。提高ssd对尺度的泛化性 。 annotated_data_param {//以下有7个batch_sampler batch_sampler { max_sample: 1 max_trials: 1 } batch_sampler { sampler { min_scale: 0.3 max_scale: 1 min_aspect_ratio: 0.5 max_aspect_ratio: 2 } sample_constraint { min_jaccard_overlap: 0.1 } max

3.特征提取 将使用特征提取函数。函数代码也与之前类似，该函数具体如下： utils.py 折叠源码 # -*- coding: utf-8 -*- """ Created on Sun Sep 11 23:06:06 2016 @author: DIP """ from sklearn.feature_extraction.text import CountVectorizer, TfidfVectorizer def build_feature_matrix(documents, feature_type = 'frequency' , ngram_range = ( 1 , 1 ), min_df = 0.0 , max_df = 1.0 ): feature_type = feature_type.lower().strip() if feature_type = = 'binary' : vectorizer = CountVectorizer(binary = True , min_df = min_df, max_df = max_df, ngram_range = ngram_range) elif feature_type = = 'frequency' : vectorizer = CountVectorizer(binary = False , min_df

#include<vector> #include<iostream> #include<math.h> using namespace std; int main() { int n;//元素个数 cin>>n;//输入n vector <int> a;//a[] int min=10000; for(int i=0;i<n;i++)//input n ints { int x; cin>>x; for(int j=0;j<i;j++) { if(abs(x-a[j])<min) min=abs(x-a[j]); } a.push_back(x); } cout<<min; return 0; } Tips: 取绝对对值函数： #include<cmath> or #include<math.h> abs(int){ ... return int; } fabs(float) ... 来源： https://www.cnblogs.com/WuDie/p/11318125.html