He_Yu
He_Yu

torch.no_grad

PyTorch里的requires_grad、volatile及no_grad

requires_grad=True 要求计算梯度

requires_grad=False 不要求计算梯度

with torch.no_grad()或者@torch.no_grad()中的数据不需要计算梯度，也不会进行反向传播

（torch.no_grad()是新版本pytorch中volatile的替代）

你可能感兴趣的:(torch.no_grad)

  • pytorch | with torch.no_grad() Ddddddd_158 经验分享pytorch人工智能python
    1.关于withwith是python中上下文管理器，简单理解，当要进行固定的进入，返回操作时，可以将对应需要的操作，放在with所需要的语句中。比如文件的写入（需要打开关闭文件）等。以下为一个文件写入使用with的例子。withopen(filename,'w')assh:sh.write("#!/bin/bash\n")sh.write("#$-N"+'IC'+altas+str(patien
  • torch.no_grad He_Yu
    PyTorch里的requires_grad、volatile及no_gradrequires_grad=True要求计算梯度requires_grad=False不要求计算梯度withtorch.no_grad()或者@torch.no_grad()中的数据不需要计算梯度，也不会进行反向传播（torch.no_grad()是新版本pytorch中volatile的替代）
  • 特殊的bug：element 0 of tensors does not require grad and does not have a grad_fn Yonggie bugpythonpytorch
    很多帖子都说了，设置requires_grad_()就行。但是我这次遇到的不一样，设置了都不行。我是这种情况，在前面设置了torch.no_grad():，又在这个的作用域下进行了requires_grad_()，这是不起作用的。简单版：withtorch.no_grad():model.eval()pos_embed=model(homo_data.x,homo_data.edge_index)
  • with torch.no_grad()在Pytorch中的应用 怡步晓心l 人工智能pytorch人工智能python
    withtorch.no_grad()在Pytorch中的应用参考：https://blog.csdn.net/qq_24761287/article/details/129773333https://blog.csdn.net/sazass/article/details/116668755在学习Pytorch时，老遇到withtorch.no_grad()，搞不清其作用，现在详细了解一下。1、
  • 关于with torch.no_grad:的一些小问题 江_小_白 pytorchpython深度学习pytorch
    withtorch.no_grad:是截断梯度记录的，新生成的数据的都不记录梯度，但是今天产生了一点小疑惑，如果存在多层函数嵌入，是不是函数内所有的数据都不记录梯度，验证了一下，确实是的。importtorchx=torch.randn(10,5,requires_grad=True)y=torch.randn(10,5,requires_grad=True)z=torch.randn(10,5,
  • 在 eval 的时候运行一遍网络，发现显存增加特别快 NeRF_er python人工智能计算机视觉
    应该是变量的梯度没有关闭，导致在运行网络的时候，梯度也被储存在了CUDA里面。解决方法是：在被调用的网络函数前面加一个装饰器，（这个函数可以是专门用来eval的时候用的），@torch.no_grad()##在运行这个函数的时候，不会计算梯度defget_pos_density(self,positions):"""Computesandreturnsthedensities."""asserts
  • Pytorch 里面torch.no_grad 和model.eval(), model.train() 的作用 张哥coder 深度学习知识点浅析pytorch人工智能python
    torch.no_grad:影响模型的自微分器，使得其停止工作；这样的话，数据计算的数据就会变快，内存占用也会变小，因为没有了反向梯度计算，当然，我哦们也无法做反向传播。model.eval()和model.train()：告诉模型中的所有层，目前处于的状态，是训练还是测试阶段，从而每一层做出相应的行为和动作。batchnorm和dropout层会因为状态的不同，而有不同的行为和反应。
  • Pytorch中requires_grad_(), detach(), torch.no_grad()的区别 SnailTyan
    文章作者：Tyan博客：noahsnail.com|CSDN|0.测试环境Python3.6.9,Pytorch1.5.01.基本概念Tensor是一个多维矩阵，其中包含所有的元素为同一数据类型。默认数据类型为torch.float32。示例一>>>a=torch.tensor([1.0])>>>a.datatensor([1.])>>>a.grad>>>a.requires_gradFalse>
  • Pytorch：model.train()和model.eval()用法和区别，以及model.eval()和torch.no_grad()的区别 Code_LiShi pytorchpytorch人工智能python
    1model.train()和model.eval()用法和区别1.1model.train()model.train()的作用是启用BatchNormalization和Dropout。如果模型中有BN层(BatchNormalization）和Dropout，需要在训练时添加model.train()。model.train()是保证BN层能够用到每一批数据的均值和方差。对于Dropout，m
  • torch减少显存使用 天空之翼
    withtorch.no_grad():被包裹起来的上下文不走tracking，减少显存的堆积占用torch.no_grad也可以作为注解的写法@torch.no_grad()defindex():清理显存torch.cuda.empty_cache()添加词句之后清理显存。
  • 如何理解pytorch中的“with torch.no_grad()”？ Zephyr H pytorch人工智能python
    torch.no_grad()方法就像一个循环，其中循环中的每个张量都将requires_grad设置为False。这意味着，当前与当前计算图相连的具有梯度的张量现在与当前图分离了我们将不再能够计算关于该张量的梯度。直到张量在循环内，它才与当前图分离。一旦用梯度定义的张量脱离了循环，它就会再次附着到当前图上。此方法禁用梯度计算，从而减少计算的内存消耗。示例：在这个例子中，我们将用requires_
  • model.eval，torch.no_grad,以及torch.cuda.empty_cache xx_xjm python深度学习人工智能
    withtorch.no_grad()则主要是用于停止autograd模块的工作，以起到加速和节省显存的作用。它的作用是将该with语句包裹起来的部分停止梯度的更新，从而节省了GPU算力和显存，但是并不会影响dropout和BN层的行为eval()的作用是不启用BatchNormalization和Dropout，并且不会保存中间变量、计算图。torch.cuda.empty_cache用于释放没
  • 【python报错】with torch.no_grad: AttributeError: __enter__ 无 眠 python深度学习开发语言
    报错：Traceback(mostrecentcalllast):File"D:/classify_leaves/classify-leaves/predict.py",line7,inimporttrainFile"D:\classify_leaves\classify-leaves\train.py",line145,inwithtorch.no_grad:AttributeError:__e
  • 【pytorch笔记】在with torch.no_grad()中临时允许记录梯度 NOVAglow646 pytorchpytorch
    withtorch.no_grad():withtorch.enable_grad():允许使用梯度的部分
  • 积跬步至千里 || PyTorch 中的“with torch no_grad” 语句 Mr_LeeCZ 积跬步至千里pytorch人工智能python
    PyTorch中的“withtorchno_grad”语句文章目录PyTorch中的“withtorchno_grad”语句示例1示例2“with”torch.no_grad()的使用就像一个循环，其中循环内的每个张量都将requires_grad设置为False。这意味着当前与当前计算图相连的任何具有梯度的张量现在都与当前图分离。我们不再能够计算关于这个张量的梯度。张量从当前图中分离，直到它在循
  • 【动手深度学习v2】with torch.no_grad()用法 岁余十二. 动手学深度学习v2深度学习人工智能
    在sgd的实现代码中，使用到了withtorch.no_grad()：defsgd(params,lr,batch_size):#@save"""小批量随机梯度下降"""withtorch.no_grad():forparaminparams:param-=lr*param.grad/batch_sizeprint(f'参数：{param}梯度：{param.grad}')param.grad.z
  • with torch.no_grad()解答 樱木之 深度学习pythonpytorch
    x.1withtorch.no_grad()简述及例子torch.no_grad()是PyTorch中的一个上下文管理器（contextmanager），用于指定在其内部的代码块中不进行梯度计算。当你不需要计算梯度时，可以使用该上下文管理器来提高代码的执行效率，尤其是在推断（inference）阶段和梯度裁剪(gradclip)阶段的时候。在使用torch.autograd进行自动求导时，PyTo
  • pytorch 测量模型运行时间，GPU时间和CPU时间，model.eval()介绍 tony365 pytorchpytorchgpu
    文章目录1.测量时间的方式2.model.eval(),model.train(),torch.no_grad()方法介绍2.1model.train()和model.eval()2.2model.eval()和torch.no_grad()3.模型推理时间方式4.一个完整的测试模型推理时间的代码5.参考：1.测量时间的方式time.time()time.perf_counter()time.pr
  • Pytorch 中 model.eval() 和 with torch.no_grad() 的区别 CV矿工 深度学习C++编程基础pythonlinux运维
    在PyTorch中进行validation时，会使用model.eval()切换到测试模式，在该模式下，主要用于通知dropout层和batchnorm层在train和val模式间切换在train模式下，dropout网络层会按照设定的参数p设置保留激活单元的概率（保留概率=p);batchnorm层会继续计算数据的mean和var等参数并更新。在val模式下，dropout层会让所有的激活单元都
  • 从 X 入门Pytorch——Tensor的自动微分、计算图，常见的with torch.no_grad()机制 Philo` pytorch深度学习python
    这里写目录标题1Pytorch计算图和自动微分2将单个数据从计算图中剥离.detach3使用withtorch.go_grad():包含的代码段不会计算微分1Pytorch计算图和自动微分从功能上理解：计算图就是类似于数据结构中的无环有向图，Pytorch中的计算图就是为了记录一个数据从开始到最后所作的操作和参数，这样在进行反向传播时候(backward)，就会有足够的参数去计算梯度，得到最终值相
  • 小白学Pytorch系列-- Torch API (4) 发呆的比目鱼 PyTorch框架pytorchpython深度学习
    小白学Pytorch系列--TorchAPI(4)上下文管理器torch.no_grad()、torch.enable_grad()和torch.set_grad_enabled()有助于在本地禁用和启用梯度计算。有关其用法的更多详细信息，请参阅本地禁用梯度计算。这些上下文管理器是线程本地的，因此如果您使用线程模块等将工作发送到另一个线程，它们将无法工作。>>>x=torch.zeros(1,re
  • with torch.no_grad() winddy_akoky
    在讲述withtorch.no_grad()前，先从requires_grad讲起requires_grad在pytorch中，tensor有一个requires_grad参数，如果设置为True，则反向传播时，该tensor就会自动求导。tensor的requires_grad的属性默认为False,若一个节点（叶子变量：自己创建的tensor）requires_grad被设置为True，那么所
  • pytorch中的train.eval() 与 with torch.no_grad()的使用 Allard_c205
    一、train.eval(),用在模型的测试阶段，目的是冻结normalization、dropout层的作用，直接使用其结果，不再进行重新的计算。二、在神经网络结构中，tenor的计算操作，默认是要进行计算图的构建的，为了不部分内容不进行计算图的构建，不进行反向传播操作，需要使用withtorch.no_grad()：进行内容的强制。可以看下两种使用的区别：
  • 使用`checkpoint`进行显存优化的学习笔记 songyuc 学习with_cp
    1介绍Checkpoint的主要原理是：在前向阶段传递到checkpoint中的forward函数会以torch.no_grad模式运行，并且仅仅保存输入参数和forward函数，在反向阶段重新计算其forward输出值。（引用于《拿什么拯救我的4G显卡|OpenMMLab》）2写作思路只在nn.Module的上层模块使用checkpoint，而不是在大模型的forward函数中写作；3示例代码使
  • with torch.no_grad() 详解 莫说相公痴 Pytorch
    torch.no_grad()是一个上下文管理器，被该语句wrap起来的部分将不会track梯度。例如：a=torch.tensor([1.1],requires_grad=True)b=a*2打印b可看到其grad_fn为mulbackward表示是做的乘法。bOut[63]:tensor([2.2000],grad_fn=)b.add_(2)Out[64]:tensor([4.2000],gr
  • pytorch with torch.no_grad() 功能函数详解 Vertira pytorchpytorch人工智能
    torch.no_grad()是一个上下文管理器，被该语句wrap起来的部分将不会track梯度。用Anaconda3虚拟环境测试一下功能；>>>importtorch>>>k=torch.tensor([1.1],requires_grad=True)>>>ktensor([1.1000],requires_grad=True)>>>h=k*2>>>htensor([2.2000],grad_f
  • pytorch 笔记：torch.nn.init UQI-LIUWJ pytorch学习pytorch深度学习神经网络
    这个模块中的所有函数都是用来初始化神经网络参数的，所以它们都在torch.no_grad()模式下运行，不会被autograd所考虑。1计算gainvalue1.1介绍这个在后面的一些nn.init初始化中会用到1.2用法torch.nn.init.calculate_gain(nonlinearity,param=None)importtorchtorch.nn.init.calculate_g
  • pytorch学习笔记-2022 echoliuy 学习记录python人工智能pytorch计算机视觉
    学习笔记文章目录学习笔记1.pytorch二、pytorch学习0.先验概率后验概率：1.函数2.python对比jupter3.pytorch读取数据4.tensorboard6.transform常用函数7.dataloader8.神经网络9.网络模型的训练-加载10.使用GPU训练11..eval()和torch.no_grad()区别1.pytorch一、安装路径：D:\SoftwareT
  • 优化PyTorch性能的一些trick 风zx PyTorch深度学习基础PyTorch
    混合精度训练：FP32量化为FP16大Batch训练：对前几次梯度进行累加，然后统一进行参数更新，从而变相实现大Batch训练梯度检查点：训练时间换显存，在前向阶段传递到checkpoint中的forward函数会以torch.no_grad模式运行，并且仅仅保存输入参数和forward函数，在反向阶段重新计算其forward输出值。尽量实现向量化运算（即使开的数组多占用空间或者操作步数多），使用
  • 【动手学深度学习】线性回归＋基础优化算法 Ya_nnnG 深度学习线性回归算法
    参考：08线性回归+基础优化算法【动手学深度学习v2】_哔哩哔哩_bilibili【pytorch系列】withtorch.no_grad():用法详解_大黑山修道的博客-CSDN博客_torch.no_grad():对Pytorch中backward（）函数的理解_beebabo的博客-CSDN博客_backward关于李沐动手学深度学习“loss{float(train_l.mean()):f
  • C/C++Win32编程基础详解视频下载 择善Zach 编程C++Win32
    课题视频：C/C++Win32编程基础详解 视频知识：win32窗口的创建                   windows事件机制 主讲：择善Uncle老师 学习交流群：386620625 验证码：625 --
  • Guava Cache使用笔记 bylijinnan javaguavacache
    1.Guava Cache的get/getIfPresent方法当参数为null时会抛空指针异常 我刚开始使用时还以为Guava Cache跟HashMap一样，get(null)返回null。 实际上Guava整体设计思想就是拒绝null的，很多地方都会执行com.google.common.base.Preconditions.checkNotNull的检查。 2.Guava
  • 解决ora-01652无法通过128（在temp表空间中） 0624chenhong oracle
    解决ora-01652无法通过128（在temp表空间中）扩展temp段的过程 一个sql语句后，大约花了10分钟，好不容易有一个结果，但是报了一个ora-01652错误，查阅了oracle的错误代码说明：意思是指temp表空间无法自动扩展temp段。这种问题一般有两种原因：一是临时表空间空间太小，二是不能自动扩展。 分析过程：    既然是temp表空间有问题，那当
  • Struct在jsp标签 不懂事的小屁孩 struct
    非UI标签介绍： 控制类标签： 1：程序流程控制标签   if   elseif    else <s:if test="isUsed"> <span class="label label-success">True</span> </
  • 按对象属性排序 换个号韩国红果果 JavaScript对象排序
    利用JavaScript进行对象排序，根据用户的年龄排序展示 <script> var bob={ name;bob, age:30 } var peter={ name;peter, age:30 } var amy={ name;amy, age:24 } var mike={ name;mike, age:29 } var john={
  • 大数据分析让个性化的客户体验不再遥远 蓝儿唯美 数据分析
    顾客通过多种渠道制造大量数据，企业则热衷于利用这些信息来实现更为个性化的体验。 分析公司Gartner表示，高级分析会成为客户服务的关键，但是大数据分析的采用目前仅局限于不到一成的企业。 挑战在于企业还在努力适应结构化数据，疲于根据自身的客户关系管理（CRM）系统部署有效的分析框架，以及集成不同的内外部信息源。 然而，面对顾客通过数字技术参与而产生的快速变化的信息，企业需要及时作出反应。要想实
  • java笔记4 a-john java
    操作符 1，使用java操作符       操作符接受一个或多个参数，并生成一个新值。参数的形式与普通的方法调用不用，但是效果是相同的。加号和一元的正号（+）、减号和一元的负号（-）、乘号（*）、除号（/）以及赋值号（=）的用法与其他编程语言类似。       操作符作用于操作数，生成一个新值。另外，有些操作符可能会改变操作数自身的
  • 从裸机编程到嵌入式Linux编程思想的转变------分而治之：驱动和应用程序 aijuans 嵌入式学习
        笔者学习嵌入式Linux也有一段时间了，很奇怪的是很多书讲驱动编程方面的知识，也有很多书将ARM9方面的知识，但是从以前51形式的（对寄存器直接操作，初始化芯片的功能模块）编程方法，和思维模式，变换为基于Linux操作系统编程，讲这个思想转变的书几乎没有，让初学者走了很多弯路，撞了很多难墙。     笔者因此写上自己的学习心得，希望能给和我一样转变
  • 在springmvc中解决FastJson循环引用的问题 asialee 循环引用fastjson
              我们先来看一个例子：           package com.elong.bms; import java.io.OutputStream; import java.util.HashMap; import java.util.Map; import co
  • ArrayAdapter和SimpleAdapter技术总结 百合不是茶 androidSimpleAdapterArrayAdapter高级组件基础
    ArrayAdapter比较简单，但它只能用于显示文字。而SimpleAdapter则有很强的扩展性，可以自定义出各种效果   ArrayAdapter;的数据可以是数组或者是队列        // 获得下拉框对象 AutoCompleteTextView textview = (AutoCompleteTextView) this
  • 九封信 bijian1013 人生励志
            有时候，莫名的心情不好，不想和任何人说话，只想一个人静静的发呆。有时候，想一个人躲起来脆弱，不愿别人看到自己的伤口。有时候，走过熟悉的街角，看到熟悉的背影，突然想起一个人的脸。有时候，发现自己一夜之间就长大了。         2014，写给人
  • Linux下安装MySQL Web 管理工具phpMyAdmin sunjing PHPInstallphpMyAdmin
    PHP http://php.net/ phpMyAdmin http://www.phpmyadmin.net Error compiling PHP on CentOS x64   一、安装Apache 请参阅http://billben.iteye.com/admin/blogs/1985244   二、安装依赖包 sudo yum install gd
  • 分布式系统理论 bit1129 分布式
    FLP One famous theory in distributed computing, known as FLP after the authors Fischer, Lynch, and Patterson, proved that in a distributed system with asynchronous communication and process crashes,
  • ssh2整合(spring+struts2+hibernate)-附源码 白糖_ eclipsespringHibernatemysql项目管理
    最近抽空又整理了一套ssh2框架，主要使用的技术如下： spring做容器，管理了三层(dao,service,actioin)的对象 struts2实现与页面交互(MVC)，自己做了一个异常拦截器，能拦截Action层抛出的异常 hibernate与数据库交互 BoneCp数据库连接池，据说比其它数据库连接池快20倍，仅仅是据说 MySql数据库   项目用eclipse
  • treetable bug记录 braveCS table
    // 插入子节点删除再插入时不能正常显示。修改： //不知改后有没有错，先做个备忘 Tree.prototype.removeNode = function(node) { // Recursively remove all descendants of +node+ this.unloadBranch(node); // Remove
  • 编程之美-电话号码对应英语单词 bylijinnan java算法编程之美
    import java.util.Arrays; public class NumberToWord { /** * 编程之美 电话号码对应英语单词 * 题目： * 手机上的拨号盘，每个数字都对应一些字母，比如2对应ABC，3对应DEF.........，8对应TUV，9对应WXYZ， * 要求对一段数字，输出其代表的所有可能的字母组合
  • jquery ajax读书笔记 chengxuyuancsdn jQuery ajax
    1、jsp页面 <%@ page language="java" import="java.util.*" pageEncoding="GBK"%> <% String path = request.getContextPath(); String basePath = request.getScheme()
  • JWFD工作流拓扑结构解析伪码描述算法 comsci 数据结构算法工作活动J#
      对工作流拓扑结构解析感兴趣的朋友可以下载附件，或者下载JWFD的全部代码进行分析   /*  流程图拓扑结构解析伪码描述算法         public java.util.ArrayList DFS(String graphid, String stepid, int j)
  • oracle I/O 从属进程 daizj oracle
    I/O 从属进程 　　I/O从属进程用于为不支持异步I/O的系统或设备模拟异步I/O.例如，磁带设备(相当慢)就不支持异步I/O.通过使用I/O 从属进程，可以让磁带机模仿通常只为磁盘驱动器提供的功能。就好像支持真正的异步I/O 一样，写设备的进程(调用者)会收集大量数据，并交由写入器写出。数据成功地写出时，写入器(此时写入器是I/O 从属进程，而不是操作系统)会通知原来的调用者，调用者则会
  • 高级排序:希尔排序 dieslrae 希尔排序
    public void shellSort(int[] array){ int limit = 1; int temp; int index; while(limit <= array.length/3){ limit = limit * 3 + 1;
  • 初二下学期难记忆单词 dcj3sjt126com englishword
    kitchen 厨房 cupboard 厨柜 salt 盐 sugar 糖 oil 油 fork 叉；餐叉 spoon 匙；调羹 chopsticks 筷子 cabbage 卷心菜；洋白菜 soup 汤 Italian 意大利的   Indian 印度的 workplace  工作场所 even 甚至；更 Italy 意大利 laugh 笑 m
  • Go语言使用MySQL数据库进行增删改查 dcj3sjt126com mysql
    目前Internet上流行的网站构架方式是LAMP，其中的M即MySQL, 作为数据库，MySQL以免费、开源、使用方便为优势成为了很多Web开发的后端数据库存储引擎。MySQL驱动Go中支持MySQL的驱动目前比较多，有如下几种，有些是支持database/sql标准，而有些是采用了自己的实现接口,常用的有如下几种: http://code.google.c...o-mysql-dri
  • git命令 shuizhaosi888 git
    ---------------设置全局用户名： git config --global user.name "HanShuliang" //设置用户名 git config --global user.email "[email protected]" //设置邮箱 ---------------查看环境配置 git config --li
  • qemu-kvm 网络 nat模式 (四) haoningabc kvmqemu
    qemu-ifup-NAT #!/bin/bash BRIDGE=virbr0 NETWORK=192.168.122.0 GATEWAY=192.168.122.1 NETMASK=255.255.255.0 DHCPRANGE=192.168.122.2,192.168.122.254 TFTPROOT= BOOTP= function check_bridge()
  • 不要让未来的你，讨厌现在的自己 jingjing0907 生活 奋斗 工作 梦想
     故事one 　23岁，他大学毕业，放弃了父母安排的稳定工作，独闯京城，在家小公司混个小职位，工作还算顺手，月薪三千，混了混，混走了一年的光阴。　　　　24岁，有了女朋友，从二环12人的集体宿舍搬到香山民居，一间平房，二人世界，爱爱爱。偶然约三朋四友，打扑克搓麻将，日子快乐似神仙；　　　　25岁，出了几次差，调了两次岗，薪水涨了不过百，生猛狂飙的物价让现实血淋淋，无力为心爱银儿购件大牌
  • 枚举类型详解 一路欢笑一路走 enum枚举详解enumsetenumMap
    枚举类型详解 一.Enum详解      1.1枚举类型的介绍   JDK1.5加入了一个全新的类型的”类”—枚举类型，为此JDK1.5引入了一个新的关键字enum,我们可以这样定义一个枚举类型。      Demo:一个最简单的枚举类   public enum ColorType { RED
  • 第11章 动画效果（上） onestopweb 动画
    index.html <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/
  • Eclipse中jsp、js文件编辑时，卡死现象解决汇总 ljf_home eclipsejsp卡死js卡死
    使用Eclipse编辑jsp、js文件时，经常出现卡死现象，在网上百度了N次，经过N次优化调整后，卡死现象逐步好转，具体那个方法起到作用，不太好讲。将所有用过的方法罗列如下：   1、取消验证 windows–>perferences–>validation 把 除了manual 下面的全部点掉，build下只留 classpath dependency Valida
  • MySQL编程中的6个重要的实用技巧 tomcat_oracle mysql
    每一行命令都是用分号(;)作为结束 对于MySQL，第一件你必须牢记的是它的每一行命令都是用分号(;)作为结束的，但当一行MySQL被插入在PHP代码中时，最好把后面的分号省略掉，例如： mysql_query("INSERT INTO tablename(first_name,last_name)VALUES('$first_name',$last_name')");
  • zoj 3820 Building Fire Stations(二分+bfs) 阿尔萨斯 Build
    题目链接：zoj 3820 Building Fire Stations 题目大意：给定一棵树，选取两个建立加油站，问说所有点距离加油站距离的最大值的最小值是多少，并且任意输出一种建立加油站的方式。 解题思路：二分距离判断，判断函数的复杂度是o(n)，这样的复杂度应该是o(nlogn)，即使常数系数偏大，但是居然跑了4.5s，也是醉了。 判断函数里面做了3次bfs，但是每次bfs节点最多
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他