华为在线训练(8)

1、计票统计
第一行输入候选人的人数,第二行输入候选人的名字,第三行输入投票人的人数,第四行输入投票。
每行输出候选人的名字和得票数量,以及投票总数与候选人得票总数之差。
输入例子:
4
A B C D
8
A B C D E F G H
输出例子:
A : 1
B : 1
C : 1
D : 1
Invalid : 4

思路:在投票数中寻找每一个候选人出现的次数即可。

#include<iostream>
#include<vector>
#include<string>
#include<string.h>
using namespace std;
int main()
{
	int i,j;
	int num1, num2,sum=0;
	string s;
	while (cin >> num1)
	{
		vector<string> num1_name;
		int  *data = (int *)malloc(sizeof(int)*num1);
		memset(data, 0, sizeof(int)*num1);
		for ( i = 0; i < num1; i++)
		{
			cin >> s;
			num1_name.push_back(s);
		}
		cin >> num2;
		vector<string> num2_vote;
		for (i = 0; i < num2; i++)
		{
			cin >> s;
			num2_vote.push_back(s);
		}
		for (i = 0; i < num1; i++)
		{
			for (j = 0; j < num2; j++)
			{
				if (num2_vote[j]==num1_name[i])
				{
					data[i]++;
				}
			}
			cout << num1_name[i] << " : " << data[i] << endl;
			sum = sum + data[i];
		}
		cout << "Invalid : " <<num2-sum << endl;
		sum = 0;
		vector<string>().swap(num1_name);
		vector<string>().swap(num2_vote);
	}
	return 0;
}
2、称砝码
现有一组砝码,重量互不相等,分别为m1,m2,m3…mn;
每种砝码对应的数量为x1,x2,x3...xn。现在要用这些砝码去称物体的重量,问能称出多少中不同的重量
描述:                         比如:  
 输入砝码种类n;                     2
 输入砝码质量w[i];                  1 2
 输入砝码个数c[i];                 2 1
 输出  可以拼凑的质量个数           5
注意:这里0g的砝码也是能称出的一种。
分析:
比如,输入的砝码种类为3
      输入砝码的质量为:1 2 3
      输入砝码的个数为:3 2 1
先计算第一类砝码能称出来的重量数:为<1 2 3>  保存于vector容器中
向vector中每个元素中添加第二类k个砝码,并去重。
比如:vector长度为3
      1+1*2=3,存在,不保存;1+2*2=5,不存在,保存,跟新vector为<1 2 3 5>;
      2+1*2=4, 不存在,保存;2+2*2=6,不存在,保存,跟新vetctor为<1 2 3 5 4 6>
      3+1*2=5, 存在,不保存;3+2*2=7,不存在,保存,跟新vector为<1 2 3 5 4 6 7>
      vector的长度为6
      1+1*3=4 存在,不保存
      .
      .
      .
      7+1*3=10,不存在,保存 跟新vetctor<1 2 3 4 5 6 7 8 9 10>
      vector的长度为10

#include<iostream>
#include<vector>
#include<string>
#include<string.h>
#include<algorithm>
using namespace std;
int _tmain(int argc, _TCHAR* argv[])
{
	int n;
	int i,j,k;
	int w;
	while (cin>>n)
	{
		int *m = (int *)malloc(sizeof(int)*n);
		for ( i = 0; i < n; i++)
		{
			cin >> m[i];
		}
		sort(m, m + n);
		int *x = (int *)malloc(sizeof(int)*n);
		for ( i = 0; i < n; i++)
		{
			cin >> x[i];
		}
		vector<int> weigths;
		for ( i = 1; i <= x[0]; i++)
		{
			weigths.push_back(i*m[0]);
		}
		for ( i = 1; i < n; i++)
		{
			for ( j = 1; j <= x[i]; j++)
			{
				int len = weigths.size();
				for ( k = 0; k < len; k++)
				{
					w = weigths[k] + j*m[i];
					if (find(weigths.begin(), weigths.end(), w) == weigths.end());//没有找到,说明是新重量,加入
						weigths.push_back(w);
				}
			}
		}
		cout << weigths.size() << endl;
	}
	return 0;
}


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
华为云提供了训练ResNet50代码的服务,下面是一个用300字回答的示例: 首先,我们需要在华为云平台上创建一个适当的实例来训练我们的模型。我们可以选择使用ECS(Elastic Cloud Server)或ModelArts来设置我们的实例。ECS是一种灵活的计算资源,而ModelArts是一个完整的人工智能开发平台。我们可以根据需求和个人偏好选择其中之一。 接下来,我们需要通过安装必要的开发环境来准备我们的实例。我们可以使用pip命令安装依赖项,例如tensorflow、numpy等。我们还需要下载ResNet50的代码和预训练模型。 一旦我们的实例设置好,并且环境准备好,我们可以开始训练我们的模型。在开始训练之前,我们需要加载我们的数据集。我们可以使用华为云的数据存储服务来上传和管理我们的数据。一旦数据准备好,我们就可以将其加载到我们的代码中,然后使用ResNet50进行训练。 在训练过程中,我们可以通过调整超参数来优化我们的模型。我们可以尝试不同的学习率、批处理大小等来找到最佳的组合。此外,我们还可以通过在训练过程中使用学习率衰减或提前停止等技术来提高模型的性能。 一旦训练完成,我们可以保存我们的模型,并根据需求将其部署到不同的环境中,例如华为云上的推理服务或移动设备上。我们可以使用模型进行分类、目标检测或其他相关任务。 总之,华为云提供了一个完整而强大的平台来训练ResNet50模型。通过适当的实例设置,环境准备和参数调整,我们可以训练出高性能的模型,并将其应用于各种实际应用中。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值