莫比乌斯反演
莫比乌斯反演是组合数学中的一个重要技巧,可以用一个易解问题表达难解问题,从而得到解答.
距离ACM退役正好十年整,最近两周CSU先拿下ICPC区域赛第五,再赢得CCPC分站赛冠军,尘封十年的历史成绩被井喷式突破,CSUACMer的一场狂欢。
本文仅针对代码实现思路,并不完整讲解单纯形算法原理,建议先完成课本或资料的原理学习,再阅读本文。
求一个图的生成树个数
abcabcabcabc
循环节为abc
abcabca
需要补充bc
开头一段是故事,可跳过看正文
几年前师兄让我研究一下为深度学习训练提供云服务时,如何解决用户的数据隐私顾虑,精度允许有损耗。
当时一腔热血展开调研,对着CNN结构苦思冥想,不给数据怎么训练?给了数据怎么隐私?
然后顺理成章的钻进了数据加密的死胡同。原想着“加密->训练->解密”做成端到端或许行得通,跑了一波实验只能得到雪花点。发现一个无比牛叉的发明——同态加密,啃了好几天终于略有些理解,却是框架难实现、模型难收敛、图像难处理。
在同态加密的死胡同里挣扎了一番,还是数学能力不足放弃了,感觉是个无解的问题。
今年突然发现了“联邦学习”这个名词,科研界与工业界早已炒得火热,第一反应就是“啊?这样训练也能用?也能刷论文?也能做产品?”
好吧感觉这么多年还是不够懂科研。想起那个水笔的故事——墨水只能灌那么高,再高会漏墨,怎么办呢,把笔芯就生产成那么高墨水的就好了,完全能用啊。
如今坑都填差不多了,剩下的要么是人不想做的,要么是无比难搞的。
这世上精明人那么多,哪有那么多舒服的方向给你。而且也给过你机会了。
静下心来不要挑三拣四,总能做出点东西。
进入vscode时代,sublime atom 那一套事情都打算切过来了。
本文基于 wsl1 配置,wsl2 暂未试过。
参考vscode官方基于wsl cpp环境配置: https://code.visualstudio.com/docs/cpp/config-wsl