紫书训练 7.15

2024-03-20 17:08
文章标签 训练 7.15 紫书

本文主要是介绍紫书训练 7.15,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

https://vjudge.net/contest/311225#overview 点分治+FFT

密码:996996

A - 聪聪可可

 用q[0],q[1],q[2],分别表示距离%3的个数,那么就可以通过calc算出来了。

#include<bits/stdc++.h>
#define il inline
#define pb push_back
#define fi first
#define se second
#define ms(_data,v) memset(_data,v,sizeof(_data))
#define sc(n) scanf("%d",&n)
#define SC(n,m) scanf("%d %d",&n,&m)
#define SZ(a) int((a).size())
#define rep(i,a,b) for(int i=a;i<=b;++i)
#define drep(i,a,b)	for(int i=a;i>=b;--i)
using namespace std;
typedef long long ll;
const ll inf=0x3f3f3f3f;
const double PI=acos(-1.0);
const double eps=1e-9;
const int maxn=2e4+5;
int n,sz[maxn],mx,root,all;
int dis[maxn],q[3],ans=0;
bool vis[maxn];
struct node{int to,w;
};
vector<node> mp[maxn];
il int gcd(int a,int b){return b==0?a:gcd(b,a%b);
}
il void getroot(int x,int fa){sz[x]=1;int num=0,nto;for(int i=0;i<SZ(mp[x]);++i){nto=mp[x][i].to;if(vis[nto] || fa==nto) continue;getroot(nto,x);sz[x]+=sz[nto];num=max(num,sz[nto]);}num=max(num,all-num);if(num<mx){mx=num,root=x;}
} 
il void getdis(int x,int fa){q[dis[x]%3]++;int nto,nw;for(int i=0;i<SZ(mp[x]);++i){nto=mp[x][i].to,nw=mp[x][i].w;if(nto==fa || vis[nto]) continue;dis[nto]=dis[x]+nw;getdis(nto,x);}
}
il int calc(int x,int v){dis[x]=v;q[0]=q[1]=q[2]=0;getdis(x,0);return q[1]*q[2]*2+q[0]*q[0];
}
il int dfs(int x){ans+=calc(x,0);vis[x]=1;int nto,nw;for(int i=0;i<SZ(mp[x]);++i){nto=mp[x][i].to,nw=mp[x][i].w;if(vis[nto]) continue;ans-=calc(nto,nw);all=sz[x];mx=inf;getroot(nto,0);dfs(root);}
}
int main(){std::ios::sync_with_stdio(0);sc(n);all=n;int x,y,z;rep(i,1,n-1){sc(x),sc(y),sc(z);mp[x].pb(node{y,z%3});mp[y].pb(node{x,z%3});}mx=inf;getroot(1,0);dfs(root);int gc=gcd(ans,n*n);printf("%d/%d\n",ans/gc,n*n/gc);return 0;
}

B - 树上的询问

 用ans[i]来记录距离为i的个数,建双向边就是所有距离的个数都*2了,无所谓。p很小,calc是就用双指针计算符合的。当然还有更优的方法。

#include<bits/stdc++.h>
#define il inline
#define pb push_back
#define fi first
#define se second
#define ms(_data,v) memset(_data,v,sizeof(_data))
#define sc(n) scanf("%d",&n)
#define SC(n,m) scanf("%d %d",&n,&m)
#define rep(i,a,b) for(int i=a;i<=b;++i)
#define drep(i,a,b)	for(int i=a;i>=b;--i)
using namespace std;
typedef long long ll;
const ll inf=0x3f3f3f3f;
const double PI=acos(-1.0);
const double eps=1e-9;
const int maxn=1e4+5;
int n,p,sz[maxn],root,mx,all,l,r;
int dis[maxn],q[maxn],ans[maxn];
bool vis[maxn];
struct po{int id,k;
}qu[maxn];
bool cmp(po x,po y){return x.k>y.k;
}
struct node {int to,w;
};
vector<node> mp[maxn];
il void getroot(int x,int fa) { sz[x]=1;int num=0;for(int i=0; i<(int)(mp[x].size()); ++i) {int nto=mp[x][i].to;if(vis[nto] || fa==nto) continue;getroot(nto,x);sz[x]+=sz[nto];num=max(num,sz[nto]);}num=max(num,all-num);if(num<mx) {mx=num;root=x;}
}
il void getdis(int x,int fa) { q[++r]=dis[x];for(int i=0; i<(int)(mp[x].size()); ++i) {int nto=mp[x][i].to,nw=mp[x][i].w;if(nto==fa || vis[nto]) continue;dis[nto]=dis[x]+nw;getdis(nto,x);}
}
il void calc(int x,int v,int op) { r=0,l=1,dis[x]=v;getdis(x,0);sort(q+1,q+r+1);int str=r;rep(i,1,p){str=r;for(int nl=1;q[nl]+q[nl+1]<=qu[i].k && nl<r;++nl){while(q[nl]+q[str] > qu[i].k && str>nl) str--;if(str<=nl) break;for(int nr=str;nr>nl;--nr){if(q[nl]+q[nr] == qu[i].k) ans[qu[i].id]+=op;if(q[nl]+q[nr] < qu[i].k) break;}}}
}
il void dfs(int x) {calc(x,0,1);vis[x]=1;for(int i=0; i<(int)(mp[x].size()); ++i) {int nto=mp[x][i].to,nw=mp[x][i].w;if(vis[nto]) continue;calc(nto,nw,-1); all=sz[x];mx=inf;getroot(nto,0);dfs(root);}
}
int main() {SC(n,p);int x,y,z;for(int i=1; i<=n-1; ++i) {sc(x),sc(y),sc(z);mp[x].pb(node {y,z});mp[y].pb(node {x,z});}rep(i,1,p){sc(qu[i].k),qu[i].id=i;if(qu[i].k==0) ans[i]=inf;} 	sort(qu+1,qu+p+1,cmp);all=n,mx=inf;getroot(1,0);dfs(root);rep(i,1,p){if(ans[i]>0) cout<<"Yes"<<endl;else cout<<"No"<<endl;} return 0;
}

C - 3-idiots

FFT!!!!!!!!!!!!!!!!!! 不会

这篇关于紫书训练 7.15的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/830166

相关文章

MiniGPT-3D, 首个高效的3D点云大语言模型,仅需一张RTX3090显卡,训练一天时间,已开源

项目主页:https://tangyuan96.github.io/minigpt_3d_project_page/ 代码:https://github.com/TangYuan96/MiniGPT-3D 论文:https://arxiv.org/pdf/2405.01413 MiniGPT-3D在多个任务上取得了SoTA,被ACM MM2024接收,只拥有47.8M的可训练参数,在一张RTX

Spark MLlib模型训练—聚类算法 PIC(Power Iteration Clustering)

Spark MLlib模型训练—聚类算法 PIC(Power Iteration Clustering) Power Iteration Clustering (PIC) 是一种基于图的聚类算法,用于在大规模数据集上进行高效的社区检测。PIC 算法的核心思想是通过迭代图的幂运算来发现数据中的潜在簇。该算法适用于处理大规模图数据,特别是在社交网络分析、推荐系统和生物信息学等领域具有广泛应用。Spa

SigLIP——采用sigmoid损失的图文预训练方式

SigLIP——采用sigmoid损失的图文预训练方式 FesianXu 20240825 at Wechat Search Team 前言 CLIP中的infoNCE损失是一种对比性损失,在SigLIP这个工作中,作者提出采用非对比性的sigmoid损失,能够更高效地进行图文预训练,本文进行介绍。如有谬误请见谅并联系指出,本文遵守CC 4.0 BY-SA版权协议,转载请联系作者并注

Detectorn2预训练模型复现:数据准备、训练命令、日志分析与输出目录

Detectorn2预训练模型复现:数据准备、训练命令、日志分析与输出目录 在深度学习项目中,目标检测是一项重要的任务。本文将详细介绍如何使用Detectron2进行目标检测模型的复现训练,涵盖训练数据准备、训练命令、训练日志分析、训练指标以及训练输出目录的各个文件及其作用。特别地,我们将演示在训练过程中出现中断后,如何使用 resume 功能继续训练,并将我们复现的模型与Model Zoo中的

多云架构下大模型训练的存储稳定性探索

一、多云架构与大模型训练的融合 (一)多云架构的优势与挑战 多云架构为大模型训练带来了诸多优势。首先,资源灵活性显著提高,不同的云平台可以提供不同类型的计算资源和存储服务,满足大模型训练在不同阶段的需求。例如,某些云平台可能在 GPU 计算资源上具有优势,而另一些则在存储成本或性能上表现出色,企业可以根据实际情况进行选择和组合。其次,扩展性得以增强,当大模型的规模不断扩大时,单一云平

神经网络训练不起来怎么办(零)| General Guidance

摘要:模型性能不理想时,如何判断 Model Bias, Optimization, Overfitting 等问题,并以此着手优化模型。在这个分析过程中,我们可以对Function Set,模型弹性有直观的理解。关键词:模型性能,Model Bias, Optimization, Overfitting。 零,领域背景 如果我们的模型表现较差,那么我们往往需要根据 Training l

如何创建训练数据集

在 HuggingFace 上创建数据集非常方便,创建完成之后,通过 API 可以方便的下载并使用数据集,在 Google Colab 上进行模型调优,下载数据集速度非常快,本文通过 Dataset 库创建一个简单的训练数据集。 首先安装数据集依赖 HuggingFace datasetshuggingface_hub 创建数据集 替换为自己的 HuggingFace API key

【YOLO 系列】基于YOLOV8的智能花卉分类检测系统【python源码+Pyqt5界面+数据集+训练代码】

前言: 花朵作为自然界中的重要组成部分,不仅在生态学上具有重要意义,也在园艺、农业以及艺术领域中占有一席之地。随着图像识别技术的发展,自动化的花朵分类对于植物研究、生物多样性保护以及园艺爱好者来说变得越发重要。为了提高花朵分类的效率和准确性,我们启动了基于YOLO V8的花朵分类智能识别系统项目。该项目利用深度学习技术,通过分析花朵图像,自动识别并分类不同种类的花朵,为用户提供一个高效的花朵识别

深度学习与大模型第3课:线性回归模型的构建与训练

文章目录 使用Python实现线性回归:从基础到scikit-learn1. 环境准备2. 数据准备和可视化3. 使用numpy实现线性回归4. 使用模型进行预测5. 可视化预测结果6. 使用scikit-learn实现线性回归7. 梯度下降法8. 随机梯度下降和小批量梯度下降9. 比较不同的梯度下降方法总结 使用Python实现线性回归:从基础到scikit-learn 线性

使用openpose caffe源码框架训练车辆模型常见错误及解决办法

错误1:what():  Error: mSources.size() != mProbabilities.size() at 51, OPDataLayer, src/caffe/openpose/layers/oPDataLayer.cpp 原因:这是因为在网络模型中数据源sources和probabilities设置的参数个数不一样导致的,一个数据源对应一个概率 解决方法:只需要将网络文