第三次集训个人训练计划

2024-08-25 08:32

本文主要是介绍第三次集训个人训练计划,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

不知不觉,进入集训队已经整整一年了,这一次,我已经是参加第三次假期集体训练了。回想起来,我能够在集训队里呆着的时间最多不过3年,已经没有多少次训练能够让我去挥霍,让我没有目标的混日子了。前几天家里有事没有和其他同学一起开始正式训练,今天,我处理完了所有的事情,在接下来的二十天里,我会聚精会神,努力办好集训这一件事。之前学过的知识点不断地反复练习,基本算法熟练再熟练;学过又忘记的知识点重新来过(我知道,没有多少机会能够让我重新来过,所以之后无论是学什么,都要认真对待,尽量减少时间的浪费);基本上没有接触过的知识点也要涉及到。这是一个自我提升的机会,也是再一次考研我个人自制力与自学水平的机会,这是一种责任,是一份担当,是对我个人的一份磨练。以后的这些天,我将以博客的形式记录我的学习过程。为梦想,起航。

下面,是我为个人制定的一份比较详细的计划。

1月20日完成小白书训练1,2,3(A,B,C,D,E,F,G,H);看完图的基本概念及图的存储的理论知识

1月21日完成小白书训练3(I,J,K,L,M,N,O,P,Q),4(A);看完图的遍历与活动网络问题

1月22日完成小白书训练4(B,C,D,E,F,G,H,I,J,K,L);完成POJ(3278,2049,3083,1321,2251,3087)

1月23日完成小白书训练5(A,B,C,D,E,F,G,H,I,J);完成POJ(1094,3267,3687,2488,3009,1426,3126,3414)

1月24日完成小白书训练5(K,L,M,N,O,P,Q),6(A,B,C);看完树与图的生成树

1月25日完成小白书训练6(D,E,F,G,H,I,J,K,L,M,N);完成POJ(1789,2485,1258,3026)

1月26日完成小白书训练7(A,B,C,D,E,F,G,H),8(A,B);看完最短路径问题

1月27日完成小白书训练8(C,D,E,F,G,H,I,J,K,L);完成POJ(1860,3259,1062,2253,1125,2240)

这篇关于第三次集训个人训练计划的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1105049

相关文章

Linux中的计划任务(crontab)使用方式

《Linux中的计划任务(crontab)使用方式》:本文主要介绍Linux中的计划任务(crontab)使用方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、前言1、linux的起源与发展2、什么是计划任务(crontab)二、crontab基础1、cro

使用DeepSeek搭建个人知识库(在笔记本电脑上)

《使用DeepSeek搭建个人知识库(在笔记本电脑上)》本文介绍了如何在笔记本电脑上使用DeepSeek和开源工具搭建个人知识库,通过安装DeepSeek和RAGFlow,并使用CherryStudi... 目录部署环境软件清单安装DeepSeek安装Cherry Studio安装RAGFlow设置知识库总

Oracle数据库执行计划的查看与分析技巧

《Oracle数据库执行计划的查看与分析技巧》在Oracle数据库中,执行计划能够帮助我们深入了解SQL语句在数据库内部的执行细节,进而优化查询性能、提升系统效率,执行计划是Oracle数据库优化器为... 目录一、什么是执行计划二、查看执行计划的方法(一)使用 EXPLAIN PLAN 命令(二)通过 S

MiniGPT-3D, 首个高效的3D点云大语言模型,仅需一张RTX3090显卡,训练一天时间,已开源

项目主页:https://tangyuan96.github.io/minigpt_3d_project_page/ 代码:https://github.com/TangYuan96/MiniGPT-3D 论文:https://arxiv.org/pdf/2405.01413 MiniGPT-3D在多个任务上取得了SoTA,被ACM MM2024接收,只拥有47.8M的可训练参数,在一张RTX

HomeBank:开源免费的个人财务管理软件

在个人财务管理领域,找到一个既免费又开源的解决方案并非易事。HomeBank 正是这样一个项目,它不仅提供了强大的功能,还拥有一个活跃的社区,不断推动其发展和完善。 开源免费:HomeBank 是一个完全开源的项目,用户可以自由地使用、修改和分发。用户友好的界面:提供直观的图形用户界面,使得非技术用户也能轻松上手。数据导入支持:支持从 Quicken、Microsoft Money

Spark MLlib模型训练—聚类算法 PIC(Power Iteration Clustering)

Spark MLlib模型训练—聚类算法 PIC(Power Iteration Clustering) Power Iteration Clustering (PIC) 是一种基于图的聚类算法,用于在大规模数据集上进行高效的社区检测。PIC 算法的核心思想是通过迭代图的幂运算来发现数据中的潜在簇。该算法适用于处理大规模图数据,特别是在社交网络分析、推荐系统和生物信息学等领域具有广泛应用。Spa

分布式系统的个人理解小结

分布式系统:分的微小服务,以小而独立的业务为单位,形成子系统。 然后分布式系统中需要有统一的调用,形成大的聚合服务。 同时,微服务群,需要有交流(通讯,注册中心,同步,异步),有管理(监控,调度)。 对外服务,需要有控制的对外开发,安全网关。

Java IO 操作——个人理解

之前一直Java的IO操作一知半解。今天看到一个便文章觉得很有道理( 原文章),记录一下。 首先,理解Java的IO操作到底操作的什么内容,过程又是怎么样子。          数据来源的操作: 来源有文件,网络数据。使用File类和Sockets等。这里操作的是数据本身,1,0结构。    File file = new File("path");   字

SigLIP——采用sigmoid损失的图文预训练方式

SigLIP——采用sigmoid损失的图文预训练方式 FesianXu 20240825 at Wechat Search Team 前言 CLIP中的infoNCE损失是一种对比性损失,在SigLIP这个工作中,作者提出采用非对比性的sigmoid损失,能够更高效地进行图文预训练,本文进行介绍。如有谬误请见谅并联系指出,本文遵守CC 4.0 BY-SA版权协议,转载请联系作者并注

Detectorn2预训练模型复现:数据准备、训练命令、日志分析与输出目录

Detectorn2预训练模型复现:数据准备、训练命令、日志分析与输出目录 在深度学习项目中,目标检测是一项重要的任务。本文将详细介绍如何使用Detectron2进行目标检测模型的复现训练,涵盖训练数据准备、训练命令、训练日志分析、训练指标以及训练输出目录的各个文件及其作用。特别地,我们将演示在训练过程中出现中断后,如何使用 resume 功能继续训练,并将我们复现的模型与Model Zoo中的