notation），表示函数 ?(?) 的 渐近上界（asymptotic upper bound）。 时间复杂度分析本质上是计算“操作数量 ?(?)”的渐近上界，它具有明确的数学定义。 函数渐近上界 若存在正实数 ? 和实数 ?0 ，使得对于所有的 ? > ?0 ，均有 ?(?) ≤ ? ⋅ ?(?) ，则可认为 ?(?) 给 出了 ?(?) 的一个渐近上界，记为 ?(?) = ?(?(?)) 。 在这种情况下，我们通常使用最差时间复杂度作为算法效率的评判标准。 为什么很少看到 Θ 符号？ 可能由于 ? 符号过于朗朗上口，因此我们常常使用它来表示平均时间复杂度。但从严格意义上讲，这 种做法并不规范。在本书和其他资料中，若遇到类似“平均时间复杂度 ?(?)”的表述，请将其直接 理解为 Θ(?) 。 2.4 空间复杂度 空间复杂度（space complexity）用于衡量算法占用内存空间随着数据量变大时的增长趋势。这个概念与时间 算法”中的所有字符都 编码为 2 字节长度。这样系统就可以每隔 2 字节解析一个字符，恢复这个短语的内容了。 图 3‑7 Unicode 编码示例 然而 ASCII 码已经向我们证明，编码英文只需 1 字节。若采用上述方案，英文文本占用空间的大小将会是 ASCII 编码下的两倍，非常浪费内存空间。因此，我们需要一种更加高效的 Unicode 编码方法。 3.4.4 UTF‑8 编码 目前，UTF‑8 已成为国际上使用最广泛的

notation），表示函数 ?(?) 的 渐近上界（asymptotic upper bound）。 时间复杂度分析本质上是计算“操作数量 ?(?)”的渐近上界，它具有明确的数学定义。 函数渐近上界 若存在正实数 ? 和实数 ?0 ，使得对于所有的 ? > ?0 ，均有 ?(?) ≤ ? ⋅ ?(?) ，则可认为 ?(?) 给 出了 ?(?) 的一个渐近上界，记为 ?(?) = ?(?(?)) 。 在这种情况下，我们通常使用最差时间复杂度作为算法效率的评判标准。 为什么很少看到 Θ 符号？ 可能由于 ? 符号过于朗朗上口，因此我们常常使用它来表示平均时间复杂度。但从严格意义上讲，这 种做法并不规范。在本书和其他资料中，若遇到类似“平均时间复杂度 ?(?)”的表述，请将其直接 理解为 Θ(?) 。 2.4 空间复杂度 空间复杂度（space complexity）用于衡量算法占用内存空间随着数据量变大时的增长趋势。这个概念与时间 算法”中的所有字符都 编码为 2 字节长度。这样系统就可以每隔 2 字节解析一个字符，恢复这个短语的内容了。 图 3‑7 Unicode 编码示例 然而 ASCII 码已经向我们证明，编码英文只需 1 字节。若采用上述方案，英文文本占用空间的大小将会是 ASCII 编码下的两倍，非常浪费内存空间。因此，我们需要一种更加高效的 Unicode 编码方法。 3.4.4 UTF‑8 编码 目前，UTF‑8 已成为国际上使用最广泛的

notation」，表示函数 ?(?) 的「渐近上界 asymptotic upper bound」。 时间复杂度分析本质上是计算“操作数量 ?(?)”的渐近上界，它具有明确的数学定义。 � 函数渐近上界 若存在正实数 ? 和实数 ?0 ，使得对于所有的 ? > ?0 ，均有 ?(?) ≤ ? ⋅ ?(?) ，则可认为 ?(?) 给出了 ?(?) 的一个渐近上界，记为 ?(?) = ?(?(?)) 。 如图 在这种情况下，我们通常使用最差时间复杂度作为算法效率的评判标准。 � 为什么很少看到 Θ 符号？ 可能由于 ? 符号过于朗朗上口，因此我们常常使用它来表示平均时间复杂度。但从严格意义 上讲，这种做法并不规范。在本书和其他资料中，若遇到类似“平均时间复杂度 ?(?)”的表 述，请将其直接理解为 Θ(?) 。 2.4 空间复杂度 「空间复杂度 space complexity」用于衡量算法占用内存空间随着数据量变大时的增长趋势。这个概念与时 算法”中的所有字符都 编码为 2 字节长度。这样系统就可以每隔 2 字节解析一个字符，恢复这个短语的内容了。 图 3‑7 Unicode 编码示例 然而 ASCII 码已经向我们证明，编码英文只需 1 字节。若采用上述方案，英文文本占用空间的大小将会是 ASCII 编码下的两倍，非常浪费内存空间。因此，我们需要一种更加高效的 Unicode 编码方法。 3.4.4 UTF‑8 编码 目前，UTF‑8 已成为国际上使用最广泛的

notation」，表示函数 ?(?) 的「渐近上界 asymptotic upper bound」。 时间复杂度分析本质上是计算“操作数量函数 ?(?)”的渐近上界，其具有明确的数学定义。 � 函数渐近上界 若存在正实数 ? 和实数 ?0 ，使得对于所有的 ? > ?0 ，均有 ?(?) ≤ ? ⋅ ?(?) ，则可认为 ?(?) 给出了 ?(?) 的一个渐近上界，记为 ?(?) = ?(?(?)) 。 如图 复杂度作为算法效率的评判标准。 � 为什么很少看到 Θ 符号？ 可能由于 ? 符号过于朗朗上口，我们常常使用它来表示平均时间复杂度。但从严格意义上看， 这种做法并不规范。在本书和其他资料中，若遇到类似“平均时间复杂度 ?(?)”的表述，请 将其直接理解为 Θ(?) 。 2.4 空间复杂度 「空间复杂度 space complexity」用于衡量算法占用内存空间随着数据量变大时的增长趋势。这个概念与时 都编码为 2 字节长度。这样系统就可以每隔 2 字节解析一个字符，恢复出这个短语的内容了。 图 3‑7 Unicode 编码示例 然而 ASCII 码已经向我们证明，编码英文只需要 1 字节。若采用上述方案，英文文本占用空间的大小将会是 ASCII 编码下大小的两倍，非常浪费内存空间。因此，我们需要一种更加高效的 Unicode 编码方法。 第 3 章 数据结构 hello‑algo.com

notation），表示函式 ?(?) 的 漸近上界（asymptotic upper bound）。 時間複雜度分析本質上是計算“操作數量 ?(?)”的漸近上界，它具有明確的數學定義。 函式漸近上界 若存在正實數 ? 和實數 ?0 ，使得對於所有的 ? > ?0 ，均有 ?(?) ≤ ? ⋅ ?(?) ，則可認為 ?(?) 給 出了 ?(?) 的一個漸近上界，記為 ?(?) = ?(?(?)) 。 望。在這種情況下，我們通常使用最差時間複雜度作為演算法效率的評判標準。 為什麼很少看到 Θ 符號？ 可能由於 ? 符號過於朗朗上口，因此我們常常使用它來表示平均時間複雜度。但從嚴格意義上講，這 種做法並不規範。在本書和其他資料中，若遇到類似“平均時間複雜度 ?(?)”的表述，請將其直接 理解為 Θ(?) 。 2.4 空間複雜度 空間複雜度（space complexity）用於衡量演算法佔用記憶體空間隨著資料量變大時的增長趨勢。這個概念與 有字元都編碼為 2 位元組長度。這樣系統就可以每隔 2 位元組解析一個字元，恢復這個短語的內容了。 圖 3‑7 Unicode 編碼示例 然而 ASCII 碼已經向我們證明，編碼英文只需 1 位元組。若採用上述方案，英文文字佔用空間的大小將會是 ASCII 編碼下的兩倍，非常浪費記憶體空間。因此，我們需要一種更加高效的 Unicode 編碼方法。 3.4.4 UTF‑8 編碼 目前，UTF‑8

释与补充。 阅读本书时，若发现某段内容提供了动画或图解，建议你以图为主线，将文字内容（一般在图的上方）对齐到 图中内容，综合来理解。 Figure 0‑3. 动画图解示例 0.2.4. 在代码实践中加深理解 本书的配套代码托管在GitHub 仓库，源代码包含详细注释，配有测试样例，可以直接运行。 ‧ 若学习时间紧张，建议至少将所有代码通读并运行一遍。 ‧ 若时间允许，强烈建议对照着代 com/krahets/hello-algo.git 当然，你也可以点击“Download ZIP”直接下载代码压缩包，本地解压即可。 Figure 0‑5. 克隆仓库与下载代码 第三步：运行源代码。若代码块的顶部标有文件名称，则可在仓库 codes 文件夹中找到对应的 源代码文件。源 代码文件可以帮助你省去不必要的调试时间，将精力集中在学习内容上。 0. 写在前面 hello‑algo.com asymptotic upper bound」。 我们要推算时间复杂度，本质上是在计算「操作数量函数 ?(?) 」的渐近上界。下面我们先来看看函数渐近上 界的数学定义。 � 函数渐近上界 若存在正实数 ? 和实数 ?0 ，使得对于所有的 ? > ?0 ，均有 ?(?) ≤ ? ⋅ ?(?) 则可认为 ?(?) 给出了 ?(?) 的一个渐近上界，记为 ?(?) = ?(?(?)) Figure

释与补充。 阅读本书时，若发现某段内容提供了动画或图解，建议你以图为主线，将文字内容（一般在图的上方）对齐到 图中内容，综合来理解。 Figure 0‑3. 动画图解示例 0.2.4. 在代码实践中加深理解 本书的配套代码托管在GitHub 仓库，源代码包含详细注释，配有测试样例，可以直接运行。 ‧ 若学习时间紧张，建议至少将所有代码通读并运行一遍。 ‧ 若时间允许，强烈建议对照着代 com/krahets/hello-algo.git 当然，你也可以点击“Download ZIP”直接下载代码压缩包，本地解压即可。 Figure 0‑5. 克隆仓库与下载代码 第三步：运行源代码。若代码块的顶部标有文件名称，则可在仓库 codes 文件夹中找到对应的 源代码文件。源 代码文件可以帮助你省去不必要的调试时间，将精力集中在学习内容上。 0. 写在前面 hello‑algo.com asymptotic upper bound」。 我们要推算时间复杂度，本质上是在计算「操作数量函数 ?(?) 」的渐近上界。下面我们先来看看函数渐近上 界的数学定义。 � 函数渐近上界 若存在正实数 ? 和实数 ?0 ，使得对于所有的 ? > ?0 ，均有 ?(?) ≤ ? ⋅ ?(?) 则可认为 ?(?) 给出了 ?(?) 的一个渐近上界，记为 ?(?) = ?(?(?)) Figure

(边缘，线条，⻆角度) 具体特征 (眼睛，⿐鼻⼦子，⽿耳朵) CreateML (Turi) 的迁移学习 只对最后⼀一层进⾏行行训练 抽象特征 泛⽤用性 具体特征 专⽤用性 调整若⼲干层卷积层参数 进⾏行行迁移学习 CreateML / Turi ? 更更加“可操控”的学习⽅方式 更更加“可操控”的学习⽅方式 92% 左右的正确率 ⼀一些客户端 ML 的 实际应⽤用