ARTS - week 5

steve_lee

关注

发布于: 2021 年 04 月 11 日

补上周打卡，封面图为埃因霍温。

Algorithm

题目链接

106. 从中序与后序遍历序列构造二叉树 - 力扣（LeetCode） (leetcode-cn.com)

根据一棵树的中序遍历与后序遍历构造二叉树。

注意:你可以假设树中没有重复的元素

题目分析

和上周先序遍历+中序遍历构造二叉树的原理相同https://xie.infoq.cn/article/057f782b481e37426872b03aa，

对于每个子树，如果是先序遍历，则第一个点是 root 节点，如果是后序遍历，则最后一个点是 root 节点。通过在中序遍历数组中找到 root 节点的位置，可以确定当前节点左右子树的起始位置，从而可以根据 root 位于最先/后的规则构建两个子树，递归下去，整个树就构建出来了。

代码实现

class Solution {public:    TreeNode* buildTree(vector<int>& inorder, vector<int>& postorder) {        int start = 0;        int end = postorder.size() - 1;        return buildTreewithRoot(inorder, postorder, start, end, end);     }
    TreeNode* buildTreewithRoot(vector<int>& inorder, vector<int>& postorder, int start, int end,                                int root_idx){        if(start > end){            return nullptr;        }                          if(start == end){            return new TreeNode(postorder[root_idx]);        }        int root_idx_inorder = own_find(inorder, postorder[root_idx], start, end);        int left_size = root_idx_inorder - start;        int right_size = end - root_idx_inorder;        TreeNode* root = new TreeNode(postorder[root_idx]);
        TreeNode* left = buildTreewithRoot(inorder, postorder, start, root_idx_inorder-1, root_idx-right_size-1);        TreeNode* right = buildTreewithRoot(inorder, postorder, root_idx_inorder+1, end, root_idx-1);                       root->left = left;        root->right = right;        return root;    }        int own_find(vector<int>& V, int target, int start_idx, int end_idx){        for(auto i = start_idx; i <= end_idx; i++){            if(V[i] == target){                return i;            }        }        return start_idx;    }};

复制代码

Review

本周 review 的文章是关于最近很火的 transformer 的， http://jalammar.github.io/illustrated-transformer/，作者是 Jay Alammar, 他的博客提供了关于机器学习概念很好的可视化。有写论文里面描述不清楚的概念，作者都能通过图示加上自己的解释，使之变得清晰。这篇文章针对的是“Attention is all you need”论文进行介绍。

Attention 是用于 NLP 任务的一种方式，后来也被用于 CV 中。

模型结构

从上图可以看出，整个结构是 encoder 和 docoder 的堆叠，关于 encoder 和 decoder 的差别，可以参见下图。主要是多了 encoder-decoder attention 部分，该部分

本文根据原文作者介绍，画了一个关于该文章最核心机制 self-attention 的流程图，可供参考

因为该文章篇幅较长，关于 encoder-decoder 部分，将在下周进行介绍并且绘图

Tips

本周介绍一个 jupyter notebook 远程登陆的方法，这样可以在本地浏览器查看远程模型的训练过程，具体分三步

Step 1: 生成配置文件

jupyter nobebook --generate-config

复制代码

该命令会将配置文件保存于一个路径下，默认路径为 ~/.juputer/jupyter_notebook_config.py

Step 2: 生成密码,通过以下命令生成密码，远程登陆的时候需要输入密码才能进行操作

jupyter notebook password

复制代码

Step 3: 修改配置文件

修改 step 1 生成的配置文件, ~/.juputer/jupyter_notebook_config.py, 主要有三个地方，这三行通过搜索都能找到，不需要额外加几行内容。

c.NotebookApp.ip = '\*' #允许所有ip访问    c.NotebookApp.open\_browser = False #不打开浏览器    c.NotebookApp.port = 8888 #端口为8888

复制代码

此时，在对应环境下启动 jupyter notebook, 在本地电脑打开 ip:8888, 输入 step 2 配置的密码，即可进行远程操作。

本周分享的观点是：以我自己亲身体验，技术领域如果作为 leader，发言不得要领确实很损失威信，尤其是团队比较小的时候。在需要指导的时候，给出的是笼统的指南，会让下属觉得很迷糊。十人以下开发团队，最好能够知道每个人做什么，业务目标是什么，技术目标是什么，技术难点是什么，这样发言才不至于给人的感觉很空，损失自己的威望。中国有句古话，识时务者为俊杰，就是能够判断局势，并能够做实是。

发布于: 2021 年 04 月 11 日阅读数: 31

原文链接:【http://xie.infoq.cn/article/01dad5e404dfd7d74b683d9b8】。文章转载请联系作者。

steve_lee

关注

还未添加个人签名 2018.03.09 加入

努力做全栈程序员，将AI应用于实处

发布

暂无评论

创作场景

ARTS - week 5

Algorithm

题目链接

题目分析

代码实现

Review

模型结构

Tips

Share

steve_lee

评论