ARTS打卡第四周之删除链表倒数第几个节点、gdb start命令、扩散模型、如何学习分享

Algorithm

题目：删除链表倒数第 n 个结点
分析：可以把通过两个结点进行标记，有一个节点需要遍历得快点，简称为快结点，有个结点遍历得慢，简称为慢结点。快结点先停在正数第 n 个结点处，然后快慢结点同时往后边遍历，直到快结点走到最后结点，那么慢结点就会走到需要删除结点的上一个结点，然后进行删除。
代码：

#include 
#include 

typedef struct DataNode{
    int data;
    struct DataNode* next;
}node;

int main(int argv,char *argc[]) {
    int nodeTotal = atoi(argc[1]);
    int indexOfCountBackwards = atoi(argc[2]);
    if(indexOfCountBackwards>nodeTotal){
        printf("倒数索引不能大于节点个数");
        return 0;
    }
    node* head = NULL;
    node* recordNode = NULL;
    // 创建链表
    for(int i=nodeTotal;i>0;i--){
        node* newNode = (node *)malloc(sizeof(node));;
        newNode->next = NULL;
        newNode->data = i;
        if(i==nodeTotal){
            head = newNode;
            recordNode = newNode;
        }else{
            recordNode->next = newNode;
            recordNode = recordNode -> next;
        }
    }
    node* nodeBeforeDeleting = head;
    recordNode = head;
    for(int deleteIndex=indexOfCountBackwards;deleteIndex>0;deleteIndex--){
        recordNode = recordNode->next;
    }
    while(recordNode->next!=NULL){
        recordNode = recordNode->next;
        nodeBeforeDeleting = nodeBeforeDeleting->next;
    }
    recordNode=nodeBeforeDeleting->next;
    nodeBeforeDeleting->next = nodeBeforeDeleting->next->next;
    recordNode->next = NULL;
    // 不要忘记释放删除节点所占的内存
    free(recordNode);
    recordNode = head;

    while(recordNode!=NULL){
        printf("%d\n", recordNode->data);
        recordNode = recordNode->next;
    }
    return 0;
}

注意，我这段代码需要传入两个参数，链表的结点个数和需要删除结点的倒数位置。

Review

《start command》里边写了在gdb里边使用start命令，我用来演示的代码如下：

#include 
#include

int main(int argc, char *argv[]) {
    for(int i=0;i<argc;i++){
        printf("%s\n",argv[i]);
    }
}

Technique/Tip

DALL-E 2、Imagen、Stable Diffusion这些大名鼎鼎的模型背后是扩散模型。扩散模型中有加噪过程和去噪过程。

加噪过程

对于加噪过程，每一步的加噪结果是可以根据上一步的加噪结果和当前时间步 t 计算得到的，计算公式如下所示。
x_t​= $\sqrt{{\alpha }_t}$x_t−1​+$\sqrt{1-{\alpha }_t}$ϵ
公式中，x_t−1​​ 表示第t步的加噪结果；x_t−1​​ 表示第 t-1 步的加噪结果；$\sqrt{{\alpha }_t}$ 是一个预先设置的超参数，用于控制随时间步的加噪强弱，你可以理解为预先设定从 α1​ 到 α1000​ 1000 个参数；ϵ 表示一个随机的高斯噪声。

去噪过程

去噪的过程包括两层含义：
1.如何根据当前时间步的噪声图预测上一步加入的噪声？
2.如何在当前时间步的噪声图上去除这些噪声？

关于第一层含义，主流的做法是使用深度学习算法，训练一个 UNet 模型，从而可以输入第 t 步加噪结果和时间步 t，预测从第 t-1 步到第 t 步噪声值。
关于第二层含义：使用采样器去除噪声

Share

《如何学习》的总结如下：
记忆由提取和储存两种能力组成。事情储存在大脑中就不会被遗忘。我们以为的忘记了其实是提取能力减弱。但我们回忆起快要被遗忘的事情时，这件事就会被记忆得更牢固。为了增强记忆力，我们要打断环境的一贯性，让大脑记住更多环境信息，增强提取能力。也可以拉长复习的间隔时间，或进行自我测试。面对复杂问题，我们可以采取交替学习的方式来强化自己对知识的理解。或是用打断、激活和反思来找到灵感。同时我们可以根据问题类型来选择睡眠时间来保障最良好的发挥。