P1571 眼红的Medusa(二分和map)

题目描述
虽然 Miss Medusa 到了北京,领了科技创新奖,但是她还是觉得不满意。原因是:他发现很多人都和她一样获了科技创新奖,特别是其中的某些人,还获得了另一个奖项——特殊贡献奖。而越多的人获得了两个奖项,Miss Medusa就会越眼红。于是她决定统计有哪些人获得了两个奖项,来知道自己有多眼红。
1≤n,m≤10^5,
获得奖项的人的编号 <2×10^9
输入格式
第一行两个整数 n,m,表示有 n 个人获得科技创新奖,m 个人获得特殊贡献奖。
第二行 n 个正整数,表示获得科技创新奖的人的编号。
第三行 m 个正整数,表示获得特殊贡献奖的人的编号。
输出格式
输出一行,为获得两个奖项的人的编号,按在科技创新奖获奖名单中的先后次序输出。
输入数据保证第二行任意两个数不同,第三行任意两个数不同。

二分法:

注意输出格式,所以第一组编号是不可以排序的,由于数据量很大,直接二重循环肯定超时,所以想到二分,二分的前提是有序,对第二组进行排序
做题不熟练,所以把循环的条件里的l和h,写成了b[1]和 b[m],然后没法写mid了,因为必须是要b数组里的数据
然后才想到是写1和m,好的记住了

#include <iostream>
#include <algorithm>

using namespace std;

int n,t,m,mid;
int a[100005],b[100005];
int main()
{
    cin>>n>>m;
    for(int i=1;i<=n;i++)
        cin>>a[i];
    for(int i=1;i<=m;i++)
        cin>>b[i];
    int k=1;
    sort(b+1,b+1+m);
    for(int i=1;i<=n;i++)//本应该是二维数组查找,但数据太大了,所以用二分
    {
        int l=1;
        int h=m;
        while(l<=h)
        {
            mid=(l+h)/2;
            if(b[mid]==a[i]) {cout<<a[i]<<' ';break;}
            else if(b[mid]>a[i]) h=mid-1;
            else if(b[mid]<a[i]) l=mid+1;
            else break;
        }
    }
    return 0;
}

map:

其实一开始会有一个思路是用数组直接让编号当作下标,但是普通数组是开不了这么大的,所以可以用map,刚好有我们要的关键字
相对于二分还更简单一些

#include <iostream>
#include <algorithm>
#include <map>

using namespace std;

int n,t,m,mid;
int a[100005],b[100005];
map<int,bool>mm;//相对于普通数组开的大
int main()
{
    cin>>n>>m;
    for(int i=1;i<=n;i++)
        cin>>a[i];
    for(int i=1;i<=m;i++)
    {
        cin>>b[i];
        mm[b[i]]=1;
    }
    for(int i=1;i<=n;i++)
    {
        if(mm[a[i]]) cout<<a[i]<<' ';
    }
    return 0;
}

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Medusa是一个基于深度学习的图像生成模型,它可以生成逼真的人脸图像。下面是一个简单的Medusa使用教程: 1. 安装依赖:首先,你需要安装Python和一些依赖库,比如TensorFlow和NumPy。你可以使用pip命令来安装它们: ``` pip install tensorflow numpy ``` 2. 下载预训练模型:Medusa的开发者已经在GitHub上提供了预训练模型,你可以从以下链接下载: ``` https://github.com/Psyche-mia/Medusa ``` 3. 导入模型和相关库:将下载的预训练模型文件导入到你的项目中,并导入相关的库: ```python import tensorflow as tf import numpy as np # 导入预训练模型 model_path = 'path_to_model/medusa.pb' with tf.gfile.GFile(model_path, 'rb') as f: graph_def = tf.GraphDef() graph_def.ParseFromString(f.read()) tf.import_graph_def(graph_def, name='') ``` 4. 生成图像:使用Medusa生成图像的过程涉及到向模型输入噪声并获取输出图像。以下是一个简单的函数来执行这个过程: ```python def generate_image(): with tf.Session() as sess: input_tensor = sess.graph.get_tensor_by_name('input:0') output_tensor = sess.graph.get_tensor_by_name('output:0') # 生成噪声 noise = np.random.randn(1, 512) # 输入噪声并获取输出图像 generated_image = sess.run(output_tensor, feed_dict={input_tensor: noise}) # 将图像从[-1, 1]范围转换为[0, 255]范围 generated_image = (generated_image + 1) * 127.5 # 显示生成的图像 plt.imshow(generated_image[0].astype(np.uint8)) plt.show() ``` 5. 调用生成函数:调用上述生成函数来生成图像: ```python generate_image() ``` 这只是一个简单的Medusa使用教程。你可以根据自己的需要对其进行更多的定制和扩展。希望对你有所帮助!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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