pokemon

题目链接： Pokemon Go Go 题目大意： 一个抓宝可梦的游戏，玩家一开始站在(0, 0)点，接着输入n表示宝可梦的数量，接着输入n行，每行两个整数和一个字符串，表示这个种类的宝可梦以及当前这只所在的坐标（这n只里面可能有好几只同种的宝可梦在不同位置）。 题目问玩家从(0, 0)开始，只能上下左右走，要把每种宝可梦都抓到一只且仅一只，最后回到(0, 0)，最短的路程是多少。 样例输入 5 5 9 Eevee 20 20 Flareon 1 1 Flareon 1 8 Jolteon 2 8 Umbreon 样例输出 28 样例解释： The distance from (0,0) to (5,9) is 14 The distance from (5,9) to (2,8) is 4 The distance from (2,8) to (1,8) is 1 The distance from (1,8) to (1,1) is 7 The distance from (1,1) to (0,0) is 2 思路： n最大是25，宝可梦的种类最多就15，一个整数即可表示目前抓到的宝可梦集合的状态，因此可以状压dp。按状压dp的套路，其中一个参数是状压的整数，另一个则是最后加入这个集合中的宝可梦的编号。 所以 dp[i][j] 表示当前抓的宝可梦的集合是 i

Let's get started with the simplest version of data fetching with React Suspense. It may feel a little awkward, but I promise you that you wont be writing your code like this. When Suspense is stable, there will be libraries that integrate with Suspense. But this is approximately what those abstractions will do, so it's a good thing to know. For a normal React App process, we need to first init component 'PokemonInfo', then we send a fetch request to get data from server. function App() { return ( <div className="pokemon-info"> <PokemonInfo /> </div> ) } Using Suspense, we don't need to wait

我感觉这个是swift的设计缺陷。 类型擦除：解决泛型类型作为公用类型的问题 是抽象的公用机制的一种实现方式。 1）类型擦除并不能解决类型不一致的兼容问题，只能解决类似继承一致性的兼容问题。 2）擦除类型后的抽象类型，其类型信息仍然存在，只是需要保持逻辑一致性。 import Foundation protocol Pokemon { associatedtype Power func attack() -> Power } struct Pikachu: Pokemon { func attack() -> 🌩 { return 🌩() } } struct Charmander: Pokemon { func attack() -> 🔥 { return 🔥() } } // power types struct 🔥 { } struct 🌩 { } // MARK: - Abstract base class class _AnyPokemonBase<Power>: Pokemon { init() { guard type(of: self) != _AnyPokemonBase.self else { fatalError("_AnyPokemonBase<Power> instances can not be created; create a subclass

环境： Pytorch1.1，Python3.6，win10/ubuntu18，GPU 正文 Pytorch构建ResNet18模型并训练，进行真实图片分类； 利用预训练的ResNet18模型进行Fine tune，直接进行图片分类 项目结构如下所示 pokemon 里面存放数据，分别是五个文件夹，其中每个文件夹分别存放一定数量的图片，总共1000多张图片； best.mdl 是保存下来的模型，可以直接加载进行分类 resnet.py 是自己搭建的ResNet18模型 train_scratch.py 利用resnet.py中的ResNet18模型进行图片分类 train_transfer.py 利用下载的ResNet18模型进行图片分类 接下来进入正题： pokemon.py ： import torch import os, glob import random, csv from torch.utils.data import Dataset, DataLoader from torchvision import transforms from PIL import Image class Pokemon(Dataset): def __init__(self, root, resize, mode): super(Pokemon, self).__init__() self

环境： Pytorch1.1，Python3.6，win10/ubuntu18，GPU 正文 Pytorch构建ResNet18模型并训练，进行真实图片分类； 利用预训练的ResNet18模型进行Fine tune，直接进行图片分类 项目结构如下所示 pokemon 里面存放数据，分别是五个文件夹，其中每个文件夹分别存放一定数量的图片，总共1000多张图片； best.mdl 是保存下来的模型，可以直接加载进行分类 resnet.py 是自己搭建的ResNet18模型 train_scratch.py 利用resnet.py中的ResNet18模型进行图片分类 train_transfer.py 利用下载的ResNet18模型进行图片分类 接下来进入正题： pokemon.py ： import torch import os, glob import random, csv from torch.utils.data import Dataset, DataLoader from torchvision import transforms from PIL import Image class Pokemon(Dataset): def __init__(self, root, resize, mode): super(Pokemon, self).__init__() self