个人部署Hydro系统新手教程与C++奥赛题库下载(CSP、GESP通用)

个人部署Hydro系统新手教程与C++奥赛题库下载(CSP、GESP通用)

个人部署Hydro系统新手教程与C++奥赛题库数据获取(CSP、GESP通用)

首先,Hydro是什么?

Hydro是一个为学校、培训机构以及个体账户提供代码测评的平台,用户可以上传赛题(主观题或者客观题均可),可以组织比赛,布置作业,查看学生完成情况、排名等等,对于学生,除了基本的测评功能外,还可以发布讨论,上传自己的题解,与他人分享等等。
目前,Hydro是开源的几个OJ中使用人数最多,系统做的最完善最方便使用的一个(排名第二的是HUST)。
因此,非常推荐部署Hydro

部署前提—硬件与软件环境准备

  • 一台电脑,可以是服务器,可以是家用电脑(同时使用人数如果不超100人,那么10年前的电脑配置完全足够)
  • 电脑搭载Linux系统,Ubuntu或者是Rocky系统均可(CentOS已经停止维护,不建议使用)

关于选择租用服务器还是在自己的家用电脑上部署的问题回答如下

部署后的系统是需要24小时不间断开机运行的,那么选择租用服务器其实是更低成本的选择,一台家用电脑即使只有200W功耗,一个月下来也是不小的电费成本,此外系统维护与硬件更新也是麻烦的事情,同时还要考虑到家用电源的稳定性问题,所以其实更推荐租用服务器,目前阿里云的服务器基础款一年大概只要大几十元,所以其实更加划算

推荐云服务器供应商:雨云-新一代云服务提供商

开始部署

  1. 打开自己电脑或者服务器的终端(如果是租用的云服务器,使用SSH工具连接到终端即可)
  2. 检查一下自己当前所处是否是/root用户目录下
# 在控制台输入如下命令后回车,检查输出是否是/rootpwd# 如果是,继续向下进行步骤3,如果不是执行如下命令切换到/root目录下cd /root 
  1. 使用Hydro官方提供的一键部署脚本进行联网下载与安装,注意脚本执行后,系统会部署在当前所处的/root目录下,并且会自动创建所需的一切资源,包括数据库和系统源代码
# 脚本执行大约需要几分钟,取决于网络速度和系统配置LANG=zh .<(curl https://hydro.ac/setup.sh)
  1. Hydro部署完成后,在浏览器直接输入你的ip地址即可访问(原理是hydro会部署在电脑的80端口,而浏览器访问任意ip,如果不特定指定端口号,访问的就是80端口)
  2. 访问后第一件事务必注册一个账号,这个账号将是你的管理员账号,注册账号后,返回刚才的终端,输入如下命令将首个注册用户设置为超级管理员
# 执行如下命令后,您刚注册的用户就成为了管理员 hydrooj cli user setSuperAdmin 2

之后刷新页面,您应当能在上方导航栏看到控制面板入口。至此,系统部署就结束了,但是新部署的系统内部是没有任何题目的。

大量编程题目获取及导入

新部署的系统是没有任何题目的,目前市面上比较常见的题库推荐如下:

Read more

排序(数据结构)

排序(数据结构)

一. 排序概念及运用 排序在数据结构中是非常重要的一部分,所谓排序,就是使一串记录,按照其中的某个或某些关键字的大小,递增或递减的排列起来的操作。 在生活中也有很多的应用,比如当我们搜索一款产品时候,我们可以选择按销量多少的顺序来给我们推荐产品,也可以按照价格高低来给我们推荐产品,所以排序在生活中也是很常见的。 1.1插入排序 (1)直接插入排序 上面就是一些常见的排序算法,首先我们来认识一下插入排序,插入排序又分为直接插入排序和希尔排序,直接插入排序是比较好理解的,比如我们日常生活中的扑克牌游戏,当我们拿到牌的时候我们会习惯性的直接将牌按我们想要的顺序排列,如下:   那么希尔排序又是怎么回事呢? 我还是用一张清晰的思路图来向大家展示: void InitSort(int* arr, int n) { for (int i = 0; i < n-1; i++) { int end = i; int tmp = arr[end + 1]; while (end >

By Ne0inhk
2026 前端 / 后端 / 算法岗 AI 技能清单,直接对标大厂

2026 前端 / 后端 / 算法岗 AI 技能清单,直接对标大厂

2026 大厂前端岗 AI 技能清单 核心基础技能 * 大模型前端适配能力:掌握大模型上下文管理,实现对话历史的高效存储与加载,适配流式输出的前端渲染逻辑。 * AI 组件开发:熟练开发基于大模型的智能组件,如代码补全、智能问答、内容生成类组件,支持参数化配置与多模型切换。 * 向量数据库集成:掌握 Pinecone、Weaviate 等向量数据库的前端调用方法,实现语义搜索、相似内容推荐等功能。 进阶实践技能 * 大模型微调适配:理解大模型微调原理,能够基于前端业务场景,将微调后的模型部署至前端环境,实现模型轻量化调用。 * 多模态交互开发:支持文本、图像、音频等多模态输入的前端处理,对接多模态大模型 API 实现智能交互。 * AI 性能优化:实现大模型请求的批量处理、缓存复用与增量更新,降低前端请求延迟与资源消耗。 实战代码示例 以下为基于 OpenAI API 实现的流式对话前端组件,使用 React 18 开发:

By Ne0inhk
【数据结构-初阶】详解线性表(3)---双链表

【数据结构-初阶】详解线性表(3)---双链表

🎈主页传送门:良木生香 🔥个人专栏:《C语言》 《数据结构-初阶》 《程序设计》 🌟人为善,福随未至,祸已远行;人为恶,祸虽未至,福已远离 目录 1、双链表的概念 2、双链表的基本实现 2.1、双向链表节点的创建 2.2、双向链表的初始化 2.3、双向链表长度的计算 2.4、双向链表的插入操作: 2.4.1、头部插入: 2.4.2、尾部插入: 2.4.3、查找pos位置的元素: 2.4.4、pos位置插入: 2.4.4.1、pos位置之前插入:

By Ne0inhk
基于阿基米德算法的AOA - LSSVM回归预测:提升LSSVM准确率新思路

基于阿基米德算法的AOA - LSSVM回归预测:提升LSSVM准确率新思路

基于阿基米德算法的LSSVM回归预测AOA-LSSVM 其他优化算法可私信定制 为了提高最小二乘支持向量机(lssvm)的回归预测准确率,对lssvm中的惩罚参数和核惩罚参数利用麻雀搜索算法进行优化。 Matlab 代码 在机器学习的领域中,最小二乘支持向量机(LSSVM)一直是回归预测的有力工具。然而,为了进一步挖掘其潜力,提升回归预测的准确率,对LSSVM中的惩罚参数和核惩罚参数的优化就显得尤为重要。今天咱们就来聊聊基于阿基米德算法的AOA - LSSVM,并且看看怎么用麻雀搜索算法来优化相关参数。 为什么要优化LSSVM参数 LSSVM的性能很大程度上依赖于惩罚参数(通常用$C$表示)和核惩罚参数(比如高斯核函数中的$\sigma$ )。不合适的参数会导致模型要么过拟合(对训练数据拟合得太好,对新数据泛化能力差),要么欠拟合(无法很好捕捉数据中的规律)。所以,找到一组最优的参数至关重要。 麻雀搜索算法优化LSSVM参数 麻雀搜索算法是一种受麻雀觅食行为启发的智能优化算法。它模拟了麻雀在觅食过程中的发现者 - 追随者机制以及警戒机制。通过这种方式,在参数空间中搜索能使

By Ne0inhk