Tokitsukaze and Multiple 思维

传送门

题目描述

找出数列中和为k的倍数的连续子序列的最大个数。

分析

这题cf都快出烂了
我们去维护一下前缀和,然后根据性质可以知道只要当前这一位的前缀和前面出现过,那么这一段的和就是0,所以我们可以对前缀和取模,最后map维护一下结果即可

代码

#pragma GCC optimize(3)
#include <bits/stdc++.h>
#define debug(x) cout<<#x<<":"<<x<<endl;
#define dl(x) printf("%lld\n",x);
#define di(x) printf("%d\n",x);
#define _CRT_SECURE_NO_WARNINGS
#define pb push_back
#define mp make_pair
#define all(x) (x).begin(),(x).end()
#define fi first
#define se second
#define SZ(x) ((int)(x).size())
using namespace std;
typedef long long ll;
typedef unsigned long long ull;
typedef pair<int,int> PII;
typedef vector<int> VI;
const int INF = 0x3f3f3f3f;
const int N = 2e5 + 10;
const ll mod= 1000000007;
const double eps = 1e-9;
const double PI = acos(-1);
template<typename T>inline void read(T &a){char c=getchar();T x=0,f=1;while(!isdigit(c)){if(c=='-')f=-1;c=getchar();}
while(isdigit(c)){x=(x<<1)+(x<<3)+c-'0';c=getchar();}a=f*x;}
int gcd(int a,int b){return (b>0)?gcd(b,a%b):a;}
int a[N];
int n,k;
map<int,int> m;

int main(){
    int T;
    read(T);
    while(T--){
        read(n),read(k);
        for(int i = 1;i <= n;i++){
            read(a[i]);
            a[i] = (a[i] + a[i - 1]) % k;
        }
        m.clear();
        m[0] = 1;
        int ans = 0;
        for(int i = 1;i <= n;i++){
            if(m[a[i]]){
                ans++;
                m.clear();
            }
            m[a[i]] = 1;
        }
        di(ans);
    }
    
}

/**
*  ┏┓   ┏┓+ +
* ┏┛┻━━━┛┻┓ + +
* ┃       ┃
* ┃   ━   ┃ ++ + + +
*  ████━████+
*  ◥██◤ ◥██◤ +
* ┃   ┻   ┃
* ┃       ┃ + +
* ┗━┓   ┏━┛
*   ┃   ┃ + + + +Code is far away from  
*   ┃   ┃ + bug with the animal protecting
*   ┃    ┗━━━┓ 神兽保佑,代码无bug 
*   ┃        ┣┓
*    ┃        ┏┛
*     ┗┓┓┏━┳┓┏┛ + + + +
*    ┃┫┫ ┃┫┫
*    ┗┻┛ ┗┻┛+ + + +
*/


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
多输出和多损失是指在机器学习模型中,一个输入可以对应多个输出,同时使用多个损失函数来衡量每个输出的准确性。 在某些问题中,一个输入可能会对应多个不同的输出。例如,在图像分割任务中,输入一张图像可以分割成多个物体区域,每个区域对应一个输出。在机器翻译任务中,一个句子可以翻译成多种语言,每种语言对应一个输出。 为了训练具有多输出的模型,我们需要同时定义多个损失函数来衡量每个输出的预测结果和实际目标之间的差异。每个输出都有自己的损失函数,通常使用常见的损失函数,如均方误差或交叉熵损失来衡量差异。 使用多个损失函数的好处是可以更准确地评估模型在每个输出上的性能。这样可以帮助模型更好地学习每个任务的特征和关系,从而提高整体性能。而如果只使用一个损失函数,可能无法准确地评估每个任务的性能,导致在某些任务上的表现较差。 此外,使用多输出和多损失函数的模型还可以通过共享一部分参数来提高模型的效率。这样,模型可以在多个任务之间共享学习到的特征表示,从而加速训练过程并提高泛化能力。 总之,多输出和多损失是为了解决一些问题中存在多个输出的情况,通过使用多个损失函数来准确评估每个输出的性能,并通过参数共享提高模型效率和泛化能力。
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