AcWing 1204. 错误票据(string的转化,枚举)

这篇博客介绍了如何使用C++中的stringstream函数将字符串转化为整数,并在读取数组时避免内存溢出的问题。通过示例代码展示了如何在处理连续和断号数字时找到重号和断号,以及在读取和操作字符串时的注意事项。
摘要由CSDN通过智能技术生成

题目

思路:
主要难在把 string 转化为 int ,本题用到 sstream 函数进行转化

公式:
if (a[i] == a[i - 1]) res2 = a[i]; // 找到重号
else if (a[i] >= a[i - 1] + 2) res1 = a[i] - 1; // 找到断号

stringstream 函数的一些用法

注意用完 stringstream 中的函数时,要clear 一下 ,如:ss.clear();
注意清内存空间: ss.clear(); ss.str(" ");
在这里插入图片描述

一个与本题输入相似的代码,可以学习人家的写法

#include <iostream>
#include <string>
#include <sstream>
using namespace std;
 
int main()
{
    string s;
    stringstream ss;
    int n;
 
    cin >> n;
    getline(cin, s);  //读取换行
    for (int i = 0; i < n; i++)
    {
        getline(cin, s);
        ss.clear();
        ss.str(s);
 
        int sum = 0;
 
        while (1)
        {
            int a;
 
            ss >> a;
            if(ss.fail())
                break;
            sum += a;
        }
        cout << sum << endl;
    }
 
    return 0;
}

当需要将数字放在一个string中的写法

#include<sstream> 
#include<bits/stdc++.h>

using namespace std;
 
int main()
{
    double x=7856.96;
	int xx=236;
	string e=" ";
	
    string s;
    stringstream ss;
    ss<<x;
    ss>>s;
    cout<<s<<endl;
    
    ss.clear();//将 ss 重置,不要下面没办法赋值。 
    ss.str(" ");//清理内存 
    string c;
    ss<<xx;
    ss>>c;
    s=s+e+c;
	cout<<s<<endl;
    
    return 0;
}

代码:

#include <cstring>
#include <sstream>
#include <iostream>
#include <algorithm>
#include<vector>

using namespace std;

const int N = 10010;

int n;
int a[N];

int main()
{
    int cnt;
    cin >> cnt;
    string line;

    getline(cin, line); // 忽略掉第一行的回车
    while (cnt -- )
    {
        getline(cin, line);
        
        //为了使字符串转化成整型的函数 
        stringstream ss;
        ss.clear();
        ss.str(line);
        
        //还可以写成这样
		/*
		stringstream ss(line); 
		
		*/ 
        
        while(ss>>a[n]) n++;//如果写成 ss>>a[n++] 会造成内存爆表 
        //ss>> 只会吸收 int 类型的值 
    }

    sort(a, a + n);

    int res1, res2;
    for (int i = 1; i < n; i ++ )
        if (a[i] == a[i - 1]) res2 = a[i];  // 找到重号
        else if (a[i] >= a[i - 1] + 2) res1 = a[i] - 1; // 找到断号

    cout << res1 << ' ' << res2 << endl;

    return 0;
}

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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