今天的目标就是再偷一个模块，用公司的额度把那个原型图做一做，然后把后端的混淆矩阵做一个优化(添加进主页面+去零)，再加一个后端的切图接口，然后就去做自己的事了

我在公司的mac上下了一个uu远程，用来控制我在宿舍的笔记本~（早该下的）

虚假的TODO：

  • 按照要求再把原型图做一做
  • webai-lite把混淆矩阵页面优化一下(添加进主页面+去零)
  • webai-lite后端添加一个切图接口
  • webai-lite添加局部屏蔽和全局屏蔽标注
  • webai-lite添加推理结果查看界面（标注结果/推理结果）

真正的TODO：

  • 再偷一个模块
  • 刷算法，八股
1
2
3
4
5
6
7
8
9
10
11
12
13
14
[v] 加入自动标注（一个很小的模型用来自动标注）

加入无监督模式（无监督又是什么？）

[v] 新建项目 + 仿真选项 
[v] 导入模型流 推理
[v] 导入大模型 只支持测试（推理）

定位模型（什么是定位模型？有什么作用？）

[v] 混淆矩阵 去零（这个默认不去零，点击去零）

[v] 推理结果页面 + 反馈（这个反馈是怎么回事？只加一个按钮还是如何）

今天除了在做公司的事情之外，一直在看余华的《活着》，从有庆上学读到了有庆被抽干了血死了，富贵把它埋在了田里和他爷爷奶奶埋在一起，家珍得了软骨病，凤霞嫁给了偏头，后来凤霞生苦根大出血死了，也被二喜和富贵葬在了同一块地方，后来二喜也在搬东西的时候被板子砸死了，死前还大喊了一声苦根，之后就是富贵和苦根在乡下过日子了，几年之后苦根因为生病了富贵给他煮了很多豆子，苦根吃撑死了，之后我凑够了买牛的钱，买下来快要被宰的老牛

看一本书就能把一个人几十年的人生快速的过一遍（虽然是虚构的，但也是那个年代很多人的缩影了），我最敬佩的是每次富贵遇到亲近的人死了，他都能从悲伤的状态中调整过来，重新乐观面对生活，就算到了最后只剩他和老牛，还是怡然自乐。这肯定是我要学习的

在我没看这本书的时候，看过这本书的人都说太苦了。现在我快看完了，苦是真的苦，但是也会有一些庆幸的小事：富贵被国名党抓去壮丁打仗，最后却没死，活着回来了；有庆在学校运动会亮眼的表现；

仿佛人生本来就充满着大的苦难，或者说苦难让人印象深刻，而那些生活中的小小的幸福却不是很容易注意得到。会记得自己考高查分的那个下午的沮丧，但却从三年的大学生活挑不出什么美好的事，与其说是挑不出，不如说是幸福的时候根本来不及注意，也没有记下

乘积最大子数组 dp

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
class Solution {
public:
    int maxProduct(vector<int>& nums) {
        int n = nums.size();
        // 题目没有让我们求子数组的范围，只需返回最大乘积即可
        if (n == 0)
            return 0;
        else if (n == 1)
            return nums[0];
        // 负数乘以负数，会变成正数，所以我们需要维护两个变量
        int Max, Min, ans; // 分别为当前的最大值和最小值
        Max = Min = ans = nums[0];
        for (int i = 1; i < n; ++i) {
            int tmp = Max;
            // 最小值可能为负数，但没准下一步乘以一个负数，当前的最大值就变成最小值，而最小值则变成最大值
            // 如果nums[i] == 0需要断开从i + 1位置重新开始
            Max = max(max(Max * nums[i], nums[i]), Min * nums[i]);
            Min = min(min(Min * nums[i], nums[i]), tmp * nums[i]);
            ans = max(ans, Max);
        }
        return ans;
    }
};
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
def maxProduct(self, nums: List[int]) -> int:
    max_p = nums[0]        # 全局最大值初始化为数组第一个数
    first_neg = 0          # 标记当前分段第一个负前缀积，0=无负数
    pre_p = 1              # 分段前缀积，每段从1开始相乘
    for num in nums:
        pre_p = pre_p * num          # 更新当前前缀积
        max_p = max(max_p, pre_p)    # 情况1：整个前缀子数组乘积更大，更新答案

        # 当前前缀积为负数
        if pre_p < 0 and first_neg == 0:
            # 分段里第一次出现负前缀，记录这个值
            first_neg = pre_p
        elif pre_p < 0:
            # 已经存在第一个负前缀，去掉第一个负数前的区间，乘积转正
            # pre_p / first_neg = [第一个负数后 ~ 当前] 的子数组乘积
            max_p = max(max_p, int(pre_p / first_neg))
        
        # 遇到0，分段截断，重置前缀积、负标记，开启新分段
        if num == 0:
            pre_p = 1
            first_neg = 0
    return max_p

今日工作内容

  1. 原型图和webai-lite添加混淆矩阵去零操作
  2. 原型图新增仿真流程（导入数据-》导入模型-》开始推理-》查看结果）
  3. webai-lite新增导入图片时的切分逻辑

下阶段计划

  1. webai-lite添加局部屏蔽和全局屏蔽区画笔
  2. webai-lite添加推理结果查看界面（标注结果/推理结果）