triangle

问题： I'm looking for a HTML or ASCII character which is a triangle pointing up or down so that I can use it as a toggle switch. 我正在寻找一个 HTML 或 ASCII 字符，该字符是向上或向下的三角形，因此可以将其用作切换开关。 I found ↑ ( ↑ ), and ↓ ( ↓ ) - but those have a narrow stem. 我发现↑（ ↑ ）和↓（ ↓ ）-但它们的茎很窄。 I'm looking just for the HTML arrow "head". 我只是在寻找HTML箭头“ head”。 解决方案： 参考一： https://stackoom.com/question/BKhc/哪些字符可用于上-下三角形-无茎的箭头-以HTML显示 参考二： https://oldbug.net/q/BKhc/What-characters-can-be-used-for-up-down-triangle-arrow-without-stem-for-display-in-HTML 来源： oschina 链接： https://my.oschina.net/u/4438370/blog/4309446

思路：枚举三种情况， 假设三条边分别是 t1, t2, t3 且 t1 <= t2 <= t3。 Case1：t3 = x, 那么只要找两个小于等于 x 的且最接近 x 的数就好了，通过 map 维护集合可方便的求出。 Case1：t2 = x, 那么只要找一个最接近 x 且 <= x 和一个最接近 x 且 >= x 的值， 同样可以通过 map 维护集合可方便的求出。 Case1：t1 = x, 注意！！！这里不能找两个 >= x 且最接近 x 的值， 比如 2 3 5 6，我们应该找 5, 6 而不是 2，3， 所以要维护每个值 x 和第一个大于等于 x 的差值，可以用线段树动态开点来维护。 #include <cstdio> #include <algorithm> #include <queue> #include <stack> #include <string> #include <string.h> #include <map> #include <iostream> #include <set> #include <unordered_map> using namespace std; typedef long long LL; typedef unsigned long long ULL; typedef pair<int, int> pii; typedef

前言 上篇文章我们用STOMP子协议实现了在线群聊和一对一聊天室等功能，本篇我们继续WebSocket这个话题，这次我们换个实现维度：用原生的WebSocket来实现，看看这两者在实现上的差别有多大。 实战WebSocket的要点 一、WebSocket重要属性 属性 备注 Socket.readyState 只读属性 readyState 表示连接状态，可以是以下值： 0 - 表示连接尚未建立。 1 - 表示连接已建立，可以进行通信。 2 - 表示连接正在进行关闭。 3 - 表示连接已经关闭或者连接不能打开。 Socket.bufferedAmount 只读属性 bufferedAmount 已被 send() 放入正在队列中等待传输，但是还没有发出的 UTF-8 文本字节数。 二、WebSocket核心事件 事件 事件处理程序 备注 open Socket.onopen 连接建立时触发 message Socket.onmessage 客户端接收服务端数据时触发 error Socket.onerror 通信发生错误时触发 close Socket.onclose 连接关闭时触发 三、WebSocket核心方法 方法 备注 Socket.send() 使用连接发送数据 Socket.close() 连接关闭 代码设计实现 一、服务端部分 /** * @author

文本主题模型之LDA(一) LDA基础 　　　　文本主题模型之LDA(二) LDA求解之Gibbs采样算法 　　　　 文本主题模型之LDA(三) LDA求解之变分推断EM算法 　　　　本文是LDA主题模型的第二篇，读这一篇之前建议先读 文本主题模型之LDA(一) LDA基础 ，同时由于使用了基于MCMC的Gibbs采样算法，如果你对MCMC和Gibbs采样不熟悉，建议阅读之前写的MCMC系列 MCMC(四)Gibbs采样 。 1. Gibbs采样算法求解LDA的思路 　　　　首先，回顾LDA的模型图如下： 　　　　在Gibbs采样算法求解LDA的方法中，我们的$\alpha, \eta$是已知的先验输入,我们的目标是得到各个$z_{dn}, w_{kn}$对应的整体$\vec z,\vec w$的概率分布，即文档主题的分布和主题词的分布。由于我们是采用Gibbs采样法，则对于要求的目标分布，我们需要得到对应分布各个特征维度的条件概率分布。 　　　　具体到我们的问题，我们的所有文档联合起来形成的词向量$\vec w$是已知的数据，不知道的是语料库主题$\vec z$的分布。假如我们可以先求出$w,z$的联合分布$p(\vec w,\vec z)$，进而可以求出某一个词$w_i$对应主题特征$z_i$的条件概率分布$p(z_i=k| \vec w,\vec z_{\neg i})$

CF凉了是显然的，不然也不会写这篇反思了。 开题很快 A C AC A C 了 A A A 和 B B B 。 到了 C C C 的时候定睛一看 Like any unknown mathematician, Yuri has favourite numbers: A , B , C A, B, C A , B , C and D D D , where A ≤ B ≤ C ≤ D A≤B≤C≤D A ≤ B ≤ C ≤ D . Yuri also likes triangles and once he thought: how many non-degenerate triangles with integer sides x , y x, y x , y and z z z exist, such that A ≤ x ≤ B ≤ y ≤ C ≤ z ≤ D A≤x≤B≤y≤C≤z≤D A ≤ x ≤ B ≤ y ≤ C ≤ z ≤ D holds? Yuri is preparing problems for a new contest now, so he is very busy. That’s why he asked you to calculate the number of triangles with described property. The

文本主题模型之LDA(一) LDA基础 　　　　文本主题模型之LDA(二) LDA求解之Gibbs采样算法 　　　　 文本主题模型之LDA(三) LDA求解之变分推断EM算法 　　　　本文是LDA主题模型的第二篇，读这一篇之前建议先读 文本主题模型之LDA(一) LDA基础 ，同时由于使用了基于MCMC的Gibbs采样算法，如果你对MCMC和Gibbs采样不熟悉，建议阅读之前写的MCMC系列 MCMC(四)Gibbs采样 。 1. Gibbs采样算法求解LDA的思路 　　　　首先，回顾LDA的模型图如下： 　　　　在Gibbs采样算法求解LDA的方法中，我们的$\alpha, \eta$是已知的先验输入,我们的目标是得到各个$z_{dn}, w_{kn}$对应的整体$\vec z,\vec w$的概率分布，即文档主题的分布和主题词的分布。由于我们是采用Gibbs采样法，则对于要求的目标分布，我们需要得到对应分布各个特征维度的条件概率分布。 　　　　具体到我们的问题，我们的所有文档联合起来形成的词向量$\vec w$是已知的数据，不知道的是语料库主题$\vec z$的分布。假如我们可以先求出$w,z$的联合分布$p(\vec w,\vec z)$，进而可以求出某一个词$w_i$对应主题特征$z_i$的条件概率分布$p(z_i=k| \vec w,\vec z_{\neg i})$

from typing import List class Solution: def minimumTotal1(self, triangle: List[List[int]]) -> int: return self.dfs(triangle,0,0,len(triangle),0) # 深搜的做法，这个做法是错误的， # 我本来的想法是按照遍历每一层的最小值。但是是行不通的 def dfs(self,num_list,position,depth,maxdepth,min_sum): # 递归函数的出口 if depth == maxdepth: return min_sum # 列表的第一层只有一个数。 if depth == 0: min_sum += num_list[depth][position] return self.dfs(num_list,position,depth + 1,maxdepth,min_sum) # 后边分三种情况讨论， if depth != 0: if num_list[depth][position] > num_list[depth][position + 1]: min_sum += num_list[depth][position + 1] position += 1 return self.dfs(num_list

给定一个包含非负整数的 m x n 网格，请找出一条从左上角到右下角的路径，使得路径上的数字总和为最小。 说明：每次只能向下或者向右移动一步。 示例: 输入: [ [1,3,1], [1,5,1], [4,2,1] ] 输出: 7 解释: 因为路径 1→3→1→1→1 的总和最小。 来源：力扣（LeetCode） 链接：https://leetcode-cn.com/problems/minimum-path-sum 著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。 这题的dfs+记忆化写法和 三角形最小路径和（经典DP / dfs+记忆化） 不同，不同之处在于递归出口的写法。在三角形那题中，因为行走方式是向下，所以if (i == triangle.size())的出口条件加Math.min(dfs(triangle, i + 1, j), dfs(triangle, i + 1, j + 1))不会发生少加一些数的情况。唉，算法不能完全照搬啊，需要总结加思考，这也是难处。DP倒是没有遇到什么问题，很容易想到。 //dfs+记忆化写法（自顶向下写法） class Solution { int memo[][]; int dx[] = new int[]{1, 0}; int dy[] = new int[]{0, 1}; public int

本文收集了使用python实现杨辉三角的多种解法，主要为网上收集，也有一些是自己写的。从中可以体会python编写一个算法的不同思想和Python语法的特点。 杨辉三角是什么？还是度娘吧，看起来像是这样的： 　 1 1 1 1 2 1 1 3 3 1 1 4 6 4 1 1 5 10 10 5 1 1 6 15 20 15 6 1 1 7 21 35 35 21 7 1 1 8 28 56 70 56 28 8 1 1 9 36 84 126 126 84 36 9 1 1 10 45 120 210 252 210 120 45 10 1 1 11 55 165 330 462 462 330 165 55 11 1 1 12 66 220 495 792 924 792 495 220 66 12 1 ... 解法函数是下面这样的。个人觉得第7，8，9，10这几个的实现最为巧妙。 def triangle1(): p = [1] a = 0 while True: q = [] i = 0 while i <= a: if i == 0 or i == len(p): q.append(1) else: q.append(p[i-1] + p[i]) i += 1 p = q yield q a += 1 def triangle2(): q = [1] while True:

三角形 利用 border-color 支持 transparent 这一特性，隐藏三条边框，实现三角形。 < style > .triangle { width : 0 ; height : 0 ; border-style : solid ; box-sizing : border-box ; border-width : 0 10px 10px ; border-color : transparent transparent #c5c5c5 transparent ; } </ style > < div class ="triangle" ></ div > 效果如下： 　　 左上三角形 < style > .left-top-triangle { width : 0 ; height : 0 ; border-style : solid ; box-sizing : border-box ; border-width : 10px ; border-color : #c5c5c5 transparent transparent #c5c5c5 ; } </ style > < div class ="left-top-triangle" ></ div > 效果如下：　　 正五边形 < style > .pentagon { width : 54px ; position