图像分类任务中，训练数据太少的问题 使用数据增强方法（旋转、缩放、平移、添加高斯噪声等变换） 特征层面上可以使用上采样等 微调（Fine-tuning） 模型的评估指标Accuracy（准确率）表示：分类正确的样本数量占总样本数量的比例，当不同类别的样本占比较大时，模型的分类能力会更多地取决于占比较大的样本类别，那么此时就可以使用每个样本下的准确率的平均值作为判定标准（叫做平均准确率）。 精确率

160. 相交链表（C++使用双指针实现）1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859/** * Definition for singly-linked list. * struct ListNode { *

128. 最长连续序列（C++使用set实现）12345678910111213141516171819202122232425262728class Solution {public: int longestConsecutive(vector<int>& nums) { //使用set集合实现 unordered_set

416. 分割等和子集（C++动态规划实现）123456789101112131415161718192021222324252627282930313233343536373839404142434445464748class Solution {public: bool canPartition(vector<int>& nums) {

509. 斐波那契数（C++动态规划实现）1234567891011121314151617class Solution {public: int fib(int n) { if(n <= 1){ return n; } //使用动态规划实现 //定义状态数组，长度为n

134. 加油站（C++贪心算法实现）123456789101112131415161718192021222324252627class Solution {public: int canCompleteCircuit(vector<int>& gas, vector<int>& cost) { //设置currSu