用过几次，感觉还是豆包给力，输出的文字较多（写标书用的），ds有点少，自己写的话可能连ds都比不上

题干解析 题设给定我们一个可能具有多个联通分量的无向图，，每个顶点被视作一个电站，针对该图题设要求我们进行一系列操作，操作分为以下两类：  一类操作：代码[1, x]   如果设备x在线则记录设备x的编号 如果设备x不在线则记录与设备x相连的联通分量中编号最小的且未下线的一个。   二类操作：代码[2, x] 操作效果为将设备x下线。下线操作不影响联通性。  初始时所有设备均在线 算法思路  DFS：针对所有节点进行DFS操作将所有同一联通分量标号压入最小堆中 懒删除：进行二类操作时不直接操作堆中数据，而是使用下线标记数组暂存下线记录，当需要进行一类操作且操作对象为下线时在根据下线记录处理堆顶...

我觉得程序员能干多久其实挺看个人的。年轻的时候写代码比较快，精力也够，但慢慢可能会累或者想换工作。听老师说，很多人三四十岁就转管理或者做架构了，但如果真的喜欢学新东西，也能干到五十岁左右吧。

你以为你只需要调调参数？实际上，你要面对的将是：生犯贪嗔痴戾疑，死受鞭笞斧灼烹（不好意思，杀批乱入了）。好了，言归正传，作为一个合格的视频算法工程师，大概的技术链路就如下图所示，其中最重要的就是视频画质算法（超分/去噪/增强），这一领域不可避免地要深度依赖深度学习。“深度学习”这个概念大家耳熟不一定能详，但如何系统地掌握它？也就是从“知其然”到“知其所以然”？ 阶段一：数学与编程基础 ( 2周左右，熟悉可跳过)万丈高楼平地起，在开始搭建神经网络之前，你需要掌握底层的语言（Python）和逻辑（数学）。不要被复杂的公式吓跑，我们以“够用”为标准。数学基础线性代数：矩阵运算、特征值、特征向量微积分...