一站式搭建 GitHub Pages 博客

本文将详细讲解如何快速搭建 GitHub Pages 博客页面

关于博客主题,博客信息更改,上传文章等将会在 一站式搭建 GitHub Pages 博客 (二) 中进行详细讲解

【Python 排序算法】—— 更快的排序

在上篇【Python 排序算法】—— 基本排序算法中,介绍的 3 种排序算法都拥有 `O(n^2)` 的运行时间。这些排序算法还有几种变体,其中的稍微快一些。但是,在最坏的情况和平均情况下,它们的性能还是 `O(n^2)`。然而,我们可以利用一些复杂度为 `O(nlogn)` 的更好的算法。这些更好的算法的秘诀就是,采用分而治之\((divide-and-conquer)\)的策略。也就是说,每一个算法都找了一种方法,将列表分解为更小的子列表。随后,这些子列表在递归地排序。理想情况下,如果这些子列表的复杂度为 `log(n)`,而重新排列每一个子列表中的数据所需的工作量为 `n`,那么,这样的排序算法总的复杂度就是 `O(nlogn)`。

【Python 排序算法】—— 基本排序算法

​在讲解基础的排序算法之前,先来介绍排序算法经常会用到的 `swap` 函数——用来交换列表中的两项的位置

深度学习环境搭建指南

检查 GPU 是否支持

如果你想搭建深度学习环境,那么首先得有一块 NVIDIA GPU。很遗憾,目前 AMD 系列 GPU 对深度学习并不友好。

有了 NVIDIA GPU 之后,首先需要检查其型号是否符合深度学习的最低配置,目前热门的深度学习框架对老旧型号的 NVIDIA GPU 并不支持。其中,判断的原则是 NVIDIA GPU 的计算性能指数(Compute Capability)大于或等于 3.0。 你可以访问 官方性能指数 页面查看。

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×