#30daychallenge (10) | Tạo minstack

-
Mình thấy cái tiêu đề hơi dài, nên #30daychalllenge chính là 30 ngày chống COVID cùng Leetcode, bởi mình tin sau này mình sẽ có nhiều thử thách cho bản thân nữa.

Design a stack that supports push, pop, top, and retrieving the minimum element in constant time.
  • push(x) -- Push element x onto stack.
  • pop() -- Removes the element on top of the stack.
  • top() -- Get the top element.
  • getMin() -- Retrieve the minimum element in the stack.
Đấy, đề bài đơn giản thế thôi, tạo một cấu trúc dữ liệu tên là MinStack. Ngày cũ tôi implement bài này bằng C rồi, sang Java không có khái niệm con trỏ thì càng dễ hơn. Điểm nhấn chính để làm bài này chính là mỗi node sẽ lưu giữ cái giá trị min đến thời điểm đấy, để sau này Pop() thì không phải cập nhật lại Min. Cứ xóa là min nó tự cập nhật theo.

Class node sẽ như thế này:


Do mấy bài về SOLID, Design Pattern, Code smells mà tôi sẽ viết code dài hơn khá nhiều, nếu cứ public tất cả nhìn nó ngượng lắm dù ngắn đi rất rất nhiều, mong bạn thông cảm, vì dù chỉ là 1 statement tôi cũng sẽ tạo một block cho nó :((.


Hết rồi, hẹn gặp Leetcode vào ngày mai. Cảm ơn bạn !

Nhận xét

Đăng nhận xét

Bài đăng phổ biến từ blog này

Hiểu về Norm Regularization

-
Hình ảnh
 Overfitting là một hiện tượng xảy ra khi mô hình học máy phù hợp với tập dữ liệu kiểm tra mà không phù hợp với tập thực tế, nó thường xảy ra ở các mô hình phức tạp (complex models), như deep neural networks. Regularisation là một quá trình để ngăn chặn họăc giảm thiều overfitting. Ở đây, chúng ta tập trung vào hai chuẩn là L1 và L2 regularisation. Đã có khá nhiều giải thích trên mạng, nhưng thành thật mà nói có vẻ khi bạn đọc bài viết này thì những bài viết đó đã quá khó hiểu với bạn, vì thế, bài viết này, chúng ta cùng tìm hiểu rõ tại sao chuẩn L1 và L2 lại được dùng để tránh hiện tượng overfitting bằng cách mô tả lại quá trình Gradient Denscent, tối ưu hàm loss của model. Bắt đầu nào. 0. L1, L2 là gì ? L1, L2 regularisation hay còn được gọi là L1, L2 norm của vector w, dưới đây là công thức: 1-norm (L1 norm) 2-norm (L2 norm hoặc Euclidean norm) .Trong hồi quy tuyến tính (linear regression), kèm với L1 còn được gọi là lasso regression, kèm L2 được gọi là ridge regression, (mình ...
Read more »

Faceswap & state-of-the-art (SOTA)

-
Hình ảnh
This post is pending Intro: faceswap & deepfake Face swap refers to an activity in which a person's face is swapped with the face of another person. Deepface = deeplearning + fake. Deepfake is an advanced technology, but 96% ò Deepfakes videos have triolous content. Deepfake also targets political purposes, fraud and market manipulation. Traditional swap face - using opencv-dlib Facial landmark Detection Facial landmarks are used to localize and represent salient regions of the face. The pre-trained facial landmark detector inside the dlib library is used to estimate the location of 68(x,y)-coordinates that map to facial structures on the face. Each frame of the animation shows a Delaunay trianulation of the four points. Halfway through, the trianglulating edge flips showing that the Delaunay trianglulation maximizes the minimum angle, not the edge-length of the triangles. The final steps of face alignment to to consider corresponding triangles between the source fac...
Read more »