堆排序(shiftDown, shiftUp, heapify)

本文深入解析了堆排序算法的实现细节,包括堆的构建、上浮调整和下沉调整过程,并提供了完整的C++代码示例。堆排序是一种高效的排序算法,适用于大数据集的排序需求。

代码如下,仅供参考: 

    void heapSort(vector<int>& nums) {
        heapify(nums);

        int n = nums.size();
        for(int i = n - 1; i >= 0; i--) {
            swap(nums[0], nums[i]);
            shiftDown(nums, i, 0);
        }

    }

    void shiftUp(int k){
        while( k > 1 && data[k/2] < data[k] ){
            swap( data[k/2], data[k] );
            k /= 2;
        }
    }

    void shiftDown(vector<int>& nums, int n, int k) {
        while(2 * k + 1 < n) {
            int j = 2 * k + 1;
            if(j + 1 < n && nums[j] < nums[j+1])
                j = j + 1;
            if(nums[j] > nums[k])
                swap(nums[j], nums[k]);

            k = j;
        }
    }

    void heapify(vector<int> &nums) {
        int n = nums.size();
        for(int i = (n - 1) / 2; i >= 0; i--) {
            shiftDown(nums, n, i);
        }
    }

 

内容概要:本文档为《2025三届人工智能工程技术赛项-样题》,涵盖自然语言处理、计算机视觉和综合工程技术三大模块的竞赛任务。参赛者需在指定.ipynb文件中完成代码编写,涉及新闻文本分类、对抗样本评测与模型加固、非均衡图像分类、目标检测(DETR模型)、开放词汇检测等任务,重点考察数据预处理、模型构建、训练优化、结果可视化及评估能力。要求选手掌握PyTorch、Transformer、ResNet、DETR、CLIP、SAM等框架与模型的应用,并完成相应代码实现与结果截图提交。适合人群:具备一定人工智能基础,熟悉深度学习框架(如PyTorch)和常用模型(如CNN、Transformer)的高校学生或从业人员,具备1年以上AI开发经验者更佳;适合备战技能竞赛的技术人员。使用场景及目标:①用于全国技能大赛人工智能赛项的备赛训练;②提升在NLP、CV及多模态任务中的工程实现能力;③掌握对抗样本防御、非均衡分类、目标检测优化、开放词汇检测等前沿技术的实际应用;④熟悉从数据处理到模型部署的全流程开发规范。; 阅读建议:建议结合实际代码环境边运行边学习,重点关注各模块中需补全的关键代码逻辑(如标签平滑、mixup增强、GIoU计算、匈牙利匹配、KL蒸馏等),并严格按照任务要求保存输出结果与模型文件,确保符合评分规范。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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