小编Aer*_*rin的帖子

您需要爬上n个台阶的楼梯，然后决定跳上台阶进行一些额外的锻炼。一次跳转最多可以覆盖k个步骤。返回您可能要爬上楼梯的所有可能跳序列，已排序。

我的实现显然给了我错误的答案。

def climbingStaircase(n, k):
    final_res=[]
    final_res.append(CSR(n,k,[]))
    return final_res

def CSR(n,k,res):
    if n == 0:
        return res        
    else:
        for i in range(1,k+1):
            if n-i>=0:
                res.append(i)
                n=n-i
                res=CSR(n,i,res)
        return res

对于n = 4和k = 2，输出应为

[[1, 1, 1, 1],
 [1, 1, 2],
 [1, 2, 1],
 [2, 1, 1],
 [2, 2]]

实际输出：

[[1,1,1,1,2,1]]

有人可以指出我缺少的那一部分吗？

我一直在使用GPU一段时间没有质疑但现在我很好奇.

为什么GPU能比CPU更快地进行矩阵乘法？是因为并行处理吗？但我没有写任何并行处理代码.它是自动完成的吗？

任何直觉/高级解释将不胜感激!谢谢.

冒号包含class(:class:)在python注释中意味着什么？

例如,

class Optimizer(object):
    r"""Base class for all optimizers.
    Arguments:
        params (iterable): an iterable of :class:`torch.Tensor` s or
            :class:`dict` s. Specifies what Tensors should be optimized.
        defaults: (dict): a dict containing default values of optimization
            options (used when a parameter group doesn't specify them).
    """

    def __init__(self, params, defaults):
        self.defaults = defaults

它是特定于pytorch的语法,还是什么？

资料来源:https://github.com/pytorch/pytorch/blob/master/torch/optim/optimizer.py

在sklearn文档中，“规范”可以是

norm : ‘l1’, ‘l2’, or ‘max’, optional (‘l2’ by default)

The norm to use to normalize each non zero sample (or each non-zero feature if axis is 0).

而且，我认真阅读了有关规范化的用户文档，但对于“ l1”，“ l2”或“ max”的含义仍然不太清楚。

谁能清除这些东西？