华为OD机试 - 简易内存池(Python/JS/C/C++ 新系统 200分)

AI摘要

本文详解华为OD机试真题‘简易内存池’的实现逻辑,要求在100字节固定大小内存池中支持REQUEST(按需连续分配,优先低地址)和RELEASE(按首地址释放)操作。核心在于维护已分配区间映射、查找首个足够大的空闲块、处理碎片及边界条件。输出为最后一次REQUEST成功分配的首地址,失败则返回error或-1。

在这里插入图片描述

华为OD机试 双机位C卷题库疯狂收录中,刷题点这里

专栏导读

本专栏收录于《华为OD机试真题(Java/Python/JS/C/C++)》。

刷的越多,抽中的概率越大,私信哪吒,备注华为OD,加入华为OD刷题交流群,每一题都有详细的答题思路、详细的代码注释、3个测试用例、为什么这道题采用XX算法、XX算法的适用场景,发现新题目,随时更新。

一、题目描述

请实现一个简易内存池,根据请求命令完成内存分配和释放。

内存池支持两种操作命令,REQUEST和RELEASE,其格式为:

1、REQUEST

请求的内存大小表示请求分配指定大小内存,如果分配成功,返回分配到的内存首地址;如果内存不足,或指定的大小为0,则输出error。

2、RELEASE

释放的内存首地址 表示释放掉之前分配的内存,释放成功无需输出,如果释放不存在的首地址则输出error。

注意:

1.内存池总大小为100字节。
2.内存池地址分配必须是连续内存,并优先从低地址分配。
3.内存释放后可被再次分配,已释放的内存在空闲时不能被二次释放。
4.不会释放已申请的内存块的中间地址。
5.释放操作只是针对首地址所对应的单个内存块进行操作,不会影响其它内存块。

二、输入描述

首行为整数N,表示操作命令的个数。

接下来的N行,每行将给出一个操作命令,操作命令和参数之间用“=”分割

三、输出描述

输出最后请求的内存的首地址。

如果位置已满,则输出-1。

样例:

2
REQUEST=10
REQUEST=20

输出样例:

0
10

四、解题思路

  1. 定义一个map,存储内存的分配情况(key:内存的首地址,value:内存的尾地址);
  2. 请求内存时
    • 如果map是空,放在首地址0处;
    • 如果map不为空,遍历已经存入的首地址;
      • 已经存入的首地址 - 第一个空闲区域的首地址 大于 请求的内存值;
      • 将当前请求的内存的首地址和内存的尾地址存入map;
      • 反之,重置前一个空闲区域的首地址;
    • 判断剩余内存是否可以容下当前请求值;
      • 如果可以容下,将当前请求的内存的首地址和内存的尾地址存入map;
      • 如果容不下,输出error;
  3. 释放内存时,将其首地址的key移除map;
  4. 最后输出最后一次请求的首地址。

注意:如果最后发起的命令是RELEASE,也是可以的,会返回最后一次REQUEST的首地址。

五、测试用例

1、输入

4
REQUEST=20
REQUEST=30
RELEASE=0
REQUEST=30

2、输出

50

3、说明

  • 第一次请求20
  • 第二请求30
  • 第三次释放首地址为0的内存
  • 第四次请求30,第一个空闲区域的首地址是0,但空闲长度只有20,放不下当前请求的地址,因此消耗剩余内存,输出最后一次请求的首地址为50。

在这里插入图片描述

4、再输入

6
REQUEST=20
REQUEST=30
RELEASE=0
REQUEST=30
REQUEST=10
REQUEST=10

5、再说明

  • 第一次请求20
  • 第二请求30
  • 第三次释放首地址为0的内存
  • 第四次请求30,第一个空闲区域的首地址是0,但空闲长度只有20,放不下当前请求的地址,因此消耗剩余内存。
  • 第五次请求10,第一个空闲区域的首地址是0,长度20,可以容下当前请求的内存10。
  • 第六次请求10,第一个空闲区域的首地址是10,长度10,可以容下当前请求的内存10。
  • 输出最后一次请求的首地址为10。

在这里插入图片描述

在这里插入图片描述

6、如果走后一次请求的是20,会怎么样呢?

在这里插入图片描述

六、Python算法源码

class MemoryManager:
    REQUEST = "REQUEST"
    RELEASE = "RELEASE"
    ERROR = "error"
    MAX = 100

    def __init__(self):
        self.memory_map = {}

    def main(self):
        try:
            # 操作命令的个数
            N = int(input().strip())
            # 每一行的操作命令和参数
            line_arr = [input().strip().split('=') for _ in range(N)]

            for command, value_str in line_arr:
                value = int(value_str)
                if command.startswith(self.REQUEST):  # 请求
                    # 非法输入(内存池总大小为100字节)
                    if value > self.MAX or value <= 0:
                        print(self.ERROR)
                        return
                    self.request(value)
                elif command.startswith(self.RELEASE):  # 释放
                    self.memory_map.pop(value, None)
                else:  # 非法输入
                    print(self.ERROR)
        except Exception as e:
            # 非法输入
            print(self.ERROR)

    def request(self, value):
        zero = 0
        before_head_address = 0

        if not self.memory_map:  # 如果memory_map是空,放在首地址0处
            self.memory_map[zero] = value
            print(zero)
        else:
            head_list = sorted(self.memory_map.keys())

            for requested_head in head_list:
                if requested_head - before_head_address >= value:
                    self.memory_map[before_head_address] = before_head_address + value
                    print(before_head_address)
                    return
                else:
                    before_head_address = self.memory_map[requested_head]

            if self.MAX - before_head_address >= value:
                self.memory_map[before_head_address] = before_head_address + value
                print(before_head_address)
            else:
                print("-1")


if __name__ == "__main__":
    MemoryManager().main()

七、JavaScript算法源码

class MemoryManager {
    constructor() {
        this.REQUEST = "REQUEST";
        this.RELEASE = "RELEASE";
        this.ERROR = "error";
        this.MAX = 100;
        this.memoryMap = new Map(); // 用于存储内存的分配情况
    }

    main() {
        try {
            const input = require('readline-sync');
            // 操作命令的个数
            const N = parseInt(input.question().trim());
            // 每一行的操作命令和参数
            const lineArr = [];
            for (let i = 0; i < N; i++) {
                lineArr.push(input.question().trim().split('='));
            }

            for (let i = 0; i < N; i++) {
                const [command, valueStr] = lineArr[i];
                const value = parseInt(valueStr);
                if (command.startsWith(this.REQUEST)) { // 请求
                    // 非法输入(内存池总大小为100字节)
                    if (value > this.MAX || value <= 0) {
                        console.log(this.ERROR);
                        return;
                    }
                    this.request(value);
                } else if (command.startsWith(this.RELEASE)) { // 释放
                    this.memoryMap.delete(value);
                } else { // 非法输入
                    console.log(this.ERROR);
                }
            }
        } catch (e) {
            // 非法输入
            console.log(this.ERROR);
        }
    }

    request(value) {
        let zero = 0;
        let beforeHeadAddress = 0;

        if (this.memoryMap.size === 0) { // 如果memoryMap是空,放在首地址0处
            this.memoryMap.set(zero, value);
            console.log(zero);
        } else {
            const headList = Array.from(this.memoryMap.keys()).sort((a, b) => a - b);

            for (let requestedHead of headList) {
                if (requestedHead - beforeHeadAddress >= value) {
                    this.memoryMap.set(beforeHeadAddress, beforeHeadAddress + value);
                    console.log(beforeHeadAddress);
                    return;
                } else {
                    beforeHeadAddress = this.memoryMap.get(requestedHead);
                }
            }

            if (this.MAX - beforeHeadAddress >= value) {
                this.memoryMap.set(beforeHeadAddress, beforeHeadAddress + value);
                console.log(beforeHeadAddress);
            } else {
                console.log("-1");
            }
        }
    }
}

// 执行内存管理器
const memoryManager = new MemoryManager();
memoryManager.main();

八、C算法源码

#include <stdio.h>
#include <stdlib.h>
#include <string.h>

#define REQUEST "REQUEST"
#define RELEASE "RELEASE"
#define ERROR "error"
#define MAX 100

typedef struct MemoryBlock {
    int start;
    int end;
    struct MemoryBlock* next;
} MemoryBlock;

MemoryBlock* head = NULL;

void request(int value);
void release(int value);
void print_error();
void print_memory_address(int address);

int main() {
    int N;
    scanf("%d", &N);

    for (int i = 0; i < N; i++) {
        char command[10];
        int value;
        scanf("%s=%d", command, &value);

        if (strncmp(command, REQUEST, strlen(REQUEST)) == 0) {
            if (value > MAX || value <= 0) {
                print_error();
                return 0;
            }
            request(value);
        } else if (strncmp(command, RELEASE, strlen(RELEASE)) == 0) {
            release(value);
        } else {
            print_error();
            return 0;
        }
    }

    return 0;
}

void request(int value) {
    int beforeHeadAddress = 0;

    if (head == NULL) {
        // 如果链表为空,放在首地址0处
        MemoryBlock* newBlock = (MemoryBlock*)malloc(sizeof(MemoryBlock));
        newBlock->start = 0;
        newBlock->end = value;
        newBlock->next = NULL;
        head = newBlock;
        print_memory_address(0);
    } else {
        MemoryBlock* current = head;
        MemoryBlock* prev = NULL;

        while (current != NULL) {
            if (current->start - beforeHeadAddress >= value) {
                MemoryBlock* newBlock = (MemoryBlock*)malloc(sizeof(MemoryBlock));
                newBlock->start = beforeHeadAddress;
                newBlock->end = beforeHeadAddress + value;
                newBlock->next = current;

                if (prev == NULL) {
                    head = newBlock;
                } else {
                    prev->next = newBlock;
                }
                print_memory_address(newBlock->start);
                return;
            }
            beforeHeadAddress = current->end;
            prev = current;
            current = current->next;
        }

        if (MAX - beforeHeadAddress >= value) {
            MemoryBlock* newBlock = (MemoryBlock*)malloc(sizeof(MemoryBlock));
            newBlock->start = beforeHeadAddress;
            newBlock->end = beforeHeadAddress + value;
            newBlock->next = NULL;
            prev->next = newBlock;
            print_memory_address(newBlock->start);
        } else {
            print_memory_address(-1);
        }
    }
}

void release(int value) {
    MemoryBlock* current = head;
    MemoryBlock* prev = NULL;

    while (current != NULL) {
        if (current->start == value) {
            if (prev == NULL) {
                head = current->next;
            } else {
                prev->next = current->next;
            }
            free(current);
            return;
        }
        prev = current;
        current = current->next;
    }
}

void print_error() {
    printf("%s\n", ERROR);
}

void print_memory_address(int address) {
    printf("%d\n", address);
}

九、C++算法源码

#include <iostream>
#include <map>
#include <string>

using namespace std;

class MemoryManager {
public:
    static const int MAX = 100;
    const string REQUEST = "REQUEST";
    const string RELEASE = "RELEASE";
    const string ERROR = "error";

    void main() {
        try {
            int N;
            cin >> N;
            cin.ignore(); // 忽略换行符

            string lineArr[N][2];
            for (int i = 0; i < N; ++i) {
                string command;
                getline(cin, command);

                size_t pos = command.find('=');
                if (pos != string::npos) {
                    lineArr[i][0] = command.substr(0, pos);
                    lineArr[i][1] = command.substr(pos + 1);
                }
            }

            for (int i = 0; i < N; ++i) {
                int value = stoi(lineArr[i][1]);
                if (lineArr[i][0].find(REQUEST) == 0) { // 请求
                    if (value > MAX || value <= 0) {
                        cout << ERROR << endl;
                        return;
                    }
                    request(value);
                } else if (lineArr[i][0].find(RELEASE) == 0) { // 释放
                    memoryMap.erase(value);
                } else { // 非法输入
                    cout << ERROR << endl;
                }
            }
        } catch (...) {
            // 非法输入
            cout << ERROR << endl;
        }
    }

private:
    map<int, int> memoryMap;

    void request(int value) {
        int beforeHeadAddress = 0;

        if (memoryMap.empty()) { // 如果memoryMap是空,放在首地址0处
            memoryMap[0] = value;
            cout << 0 << endl;
        } else {
            for (auto it = memoryMap.begin(); it != memoryMap.end(); ++it) {
                if (it->first - beforeHeadAddress >= value) {
                    memoryMap[beforeHeadAddress] = beforeHeadAddress + value;
                    cout << beforeHeadAddress << endl;
                    return;
                }
                beforeHeadAddress = it->second;
            }

            if (MAX - beforeHeadAddress >= value) {
                memoryMap[beforeHeadAddress] = beforeHeadAddress + value;
                cout << beforeHeadAddress << endl;
            } else {
                cout << "-1" << endl;
            }
        }
    }
};

int main() {
    MemoryManager memoryManager;
    memoryManager.main();
    return 0;
}


🏆本文收录于,华为OD机试真题(Python/JS/C/C++)

刷的越多,抽中的概率越大,私信哪吒,备注华为OD,加入华为OD刷题交流群,每一题都有详细的答题思路、详细的代码注释、3个测试用例、为什么这道题采用XX算法、XX算法的适用场景,发现新题目,随时更新。

在这里插入图片描述

华为OD机试 - 简易内存池 - 逻辑分析(Java 新系统 200分) 刷的越多,抽中的概率越大,每一题都有详细的答题思路、详细的代码注释、样例测试,发现新题目,随时更新,全天CSDN在线答疑。 阅读详情

相关推荐

【华为OD机试】简易内存池(python, java, c++, js)

请实现一个简易内存池,根据请求命令完成内存分配和释放。内存池支持两种操作命令,REQUEST和RELEASE,其格式为:REQUEST=请求的内存大小,表示请求分配指定大小内存,如果分配成功,返回分配到的内存首地址;如果内存不足,或指定的大小为0,则输error。 RELEASE=释放的内存首地址,表示释放掉之前分配的内存,释放成功无需输出,如果释放不存在的首地址则输出error。

A_D_I_D_A_S的博客 442

2026华为OD机考新系统真题 + 双机位C卷 + 往年真题 - 题库目录分值说明 + 考点说明+在线OJ

2026年4月1日起,华为OD机试正式切换至新系统模式!采用力扣模式,无需自己写输入! 难度大幅度降低。正在备考华为OD机试的同学,优先刷新系统机试真题,可大幅提升通过率。 新系统考题考点与旧版一致,无需重新适应。本专栏所有算法题均配有详细思路解析,并提供C语言、JS、C++、Python、Go、Java多语言源码实现。订阅后私信即可开通专属OJ刷题权限,高效备考一次上岸!

算法大师! 45万+

华为OD机试 新系统 双机位C卷 往年真题 机考题库(持续收录中)以及算法考点详解(Python/JS/C/C++)

刷的越多,抽中的概率越大,每一题都有详细的答题思路、详细的代码注释发现新题目,随时更新。

学Java,找哪吒 5万+

华为OD机试面试宝典,JS题解大纲,200+题目等你来战

华为 OD 机试题清单(机试题库还在逐日更新) 直接在本页使用 Ctrl+F,输入题目名称就可以进行检索。

梦想橡皮擦,专栏100例写作模式先行者,现象级专栏 《Python 爬虫 100 例》作者、《滚雪球学 Python 专栏》原创者 1万+

2026华为OD机试(Python)真题【E卷+A卷+B卷+C卷+D卷】目录+在线OJ

华为OD机试真题题库【E卷+A卷+B卷+C卷+D卷】目录,Python实现。

MISAYAONE的博客 29万+

华为OD机试 新系统 双机位C卷 往年真题 机考题库(持续收录中)以及算法考点详解

每一题都有详细的答题思路、详细的代码注释、样例测试,发现新题目,随时更新,全天CSDN在线答疑。

学Java,找哪吒 7万+

2026华为OD机试(JavaScript)真题【E卷+A卷+B卷+C卷+D卷】目录+在线OJ

华为OD机试真题题库【E卷+A卷+B卷+C卷+D卷】目录,JavaScript实现。

MISAYAONE的博客 8万+

2026华为OD机试(JAVA&Go)真题【E卷+A卷+B卷+C卷+D卷】目录+在线OJ

华为OD机试真题题库【E卷+A卷+B卷+C卷+D卷】目录,Java实现。

MISAYAONE的博客 34万+

2026华为OD机试(C++)真题【E卷+A卷+B卷+C卷+D卷】目录+在线OJ

华为OD机试真题题库【E卷+A卷+B卷+C卷+D卷】目录,C++实现。

MISAYAONE的博客 20万+

【华为OD】C卷真题200分:简易内存池 JS代码实现[思路+代码]

REQUEST=请求的内存大小 表示请求分配指定大小内存,如果分配成功,返回分配到的内存首地址;RELEASE=释放的内存首地址 表示释放掉之前分配的内存,释放成功无需输出,如果释放不存在的首地址则输出error。第四条指令,申请20字节内存,0~9地址内存连续空间不足20字节,往后查找到30~49地址,返回首地址30。第三条指令,释放首地址为0的内存申请,0~9地址内存被释放,变为空闲,释放成功,无需输出。第一条指令,申请地址0~9的10个字节内存,返回首地址0。4.不会释放已申请的内存块的中间地址。

十年以上编程经验的干货分享 1495

【华为OD】C卷真题200分:简易内存池 C/C++代码实现[思路+代码]

请实现一个简易内存池,根据请求命令完成内存分配和释放。内存池支持两种操作命令,REQUEST和RELEASE,其格式为:REQUEST=请求的内存大小 表示请求分配指定大小内存,如果分配成功,返回分配到的内存首地址;如果内存不足,或指定的大小为0,则输出error。RELEASE=释放的内存首地址 表示释放掉之前分配的内存,释放成功无需输出,如果释放不存在的首地址则输出error。注意:1.内存池总大小为100字节。2.内存池地址分配必须是连续内存,并优先从低地址分配。

十年以上编程经验的干货分享 985

华为OD机试 - 最长的顺子 - 动态规划(Python/JS/C/C++ 新系统 200分)

每一题都有详细的答题思路、详细的代码注释、3个测试用例、为什么这道题采用XX算法、XX算法的适用场景,发现新题目,随时更新,全天CSDN在线答疑。

学Java,找哪吒 3316

【华为OD】C卷真题200分:简易内存池 python代码实现[思路+代码]

请实现一个简易内存池,根据请求命令完成内存分配和释放。内存池支持两种操作命令,REQUEST和RELEASE,其格式为:REQUEST=请求的内存大小 表示请求分配指定大小内存,如果分配成功,返回分配到的内存首地址;如果内存不足,或指定的大小为0,则输出error。RELEASE=释放的内存首地址 表示释放掉之前分配的内存,释放成功无需输出,如果释放不存在的首地址则输出error。注意:1.内存池总大小为100字节。2.内存池地址分配必须是连续内存,并优先从低地址分配。

十年以上编程经验的干货分享 1044

STM32开发实战--解决STM32CubeMX生成代码时钟初始化卡死问题

本文详细分析了STM32CubeMX生成代码在时钟初始化阶段卡死的问题,提供了多种解决方案,包括简单修改和稳健的等待机制。通过深入探讨HAL库的时钟初始化陷阱及硬件层面的根本原因,帮助开发者快速定位并解决STM32开发中的常见问题。

weixin_26965807的博客 443

基于USB总线的虚拟摄像头(UVC)原理简介

前面文章中我们分析了虚拟声卡的实现,在文章中我们展示了创建一个虚拟麦克风和虚拟扬声器的技术原理。完成了音频的虚拟化之后,这里就要谈论一下对于视频的虚拟化了——虚拟摄像头的实现。关于虚拟麦克风和虚拟扬声器的实现,可以参考。虚拟摄像头应用也是非常普遍的,例如云桌面远程摄像头的实现,直播技术。目前对于虚拟摄像头有三种实现方式:DirectShow虚拟摄像头,这个是一种比较古老的技术;在新版本应用中,该项技术基本失效了,尤其是UWP框架程序,DirectShow虚拟摄像头就失效了。

tianxilink的博客 5420

Apollo control模块横向控制原理及核心代码逐行解析

看完这篇文章,你会对apollo横向控制有一个整体的概念

weixin_39199083的博客 2万+

【100%通过率】华为OD机试真题 Python 实现【投篮大赛】【2022.11 Q4 新题】

你现在是一场采用特殊赛制投篮大赛的记录员。这场比赛由若干回合组成,过去几回合的得分可能会影响以后几回合的得分。比赛开始时,记录是空白的。你会得到一个记录操作的字符串列表 ops,其中ops[i]是你需要记录的第i项操作,ops遵循下述规则: 整数x-表示本回合新获得分数x “+” – 表示本回合新获得的得分是前两次得分的总和。 “D” – 表示本回合新获得的得分是前一次得分的两倍。 “C” – 表示本回合没有分数,并且前一次得分无效,将其从记录中移除。 请你返回记录中所有得分的总和。

MISAYAONE的博客 1万+

Open3D 实现CSF布料模拟算法【2025最新版】

CSF布料模拟算法在open3d模块下的实现,博客长期更新,本文最近更新时间为:2025年1月16日。。

点云侠的博客 5750

c\c++: Identifiers, modifier, qualifier, specifier, decorator; systemtap

文章目录参考英语含义在c、C++ 参考 c++ 标准 https://blog.csdn.net/tyronne/article/details/44016621 英语含义 modifier word or phrase that modifies (modify 2) another word or phrase 修饰语. qualifier (grammar) word, esp an adjective or adverb, that qualifies another word 修饰词; (尤指)形

mzhan017的博客 2443

【数据集8】全球人口数据WorldPop详解

全球人口数据WorldPop详解

WW、forever的博客 7883

uniapp - 超详细实现播放 svg / svga 格式动画组件插件,用于直播间赠送礼物特效动画或项目动画特效较多的应用(新手小白保姆级教程,提供插件+详细运行示例+使用文档+注意事项+格式说明)

uniappsvga,uniapp播放svga动画,uniapp中使用svga动画详细教程,uniapp播放svga的插件,uniapp有没有调用svga格式动画的组件插件,uinappH5App小程序全端兼容的svga播放器免费好用插件,uniapp好用的svga格式动画插件,在uniapp中使用SVGAPlayer播放svga动画,uniapp中使用svga动画,编译到apph5,uniapp运行svg动画,uniapp怎么使用svga文件格式,uniapp播放svg格式的动画教程,un

🏆 前端领域优质创作者 1万+

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

上一篇: 华为OD机试 - 最优策略组合下的总的系统消耗资源数 - 贪心算法(Python/JS/C/C++ 2025 B卷 100分)
下一篇: 华为OD机试 - 荒岛求生 - 栈Stack(Python/JS/C/C++ 新系统 100分)
哪 吒
哪 吒 2022年度博客之星TOP 1 2022年度博客之星TOP 1 领域专家: 后端开发技术领域 领域专家: 后端开发技术领域
博客等级 码龄9年 59万+粉丝 2962原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

哪 吒

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值