[BZOJ3283]运算器

description

BZOJ

solution

\(exbsgs+exlucas+excrt\)模板题。
写到手炸...

#include<bits/stdc++.h>
#define FL "3283"
using namespace std;
typedef long long ll;
const int N=1e5+10;
const int mod1=1e6+3;
const int mod2=998244353;
inline int read(){
  int data=0,w=1;char ch=getchar();
  while(ch!='-'&&(ch<'0'||ch>'9'))ch=getchar();
  if(ch=='-')w=-1,ch=getchar();
  while(ch<='9'&&ch>='0')data=data*10+ch-48,ch=getchar();
  return data*w;
}
inline void file(){
  freopen(FL".in","r",stdin);
  freopen(FL".out","w",stdout);
}

namespace math{
  inline int gcd(int a,int b){return b?gcd(b,a%b):a;}
  inline void exgcd(int a,int b,int &x,int &y,int &d){
    if(!b){d=a;x=1;y=0;return;}exgcd(b,a%b,y,x,d);y-=a/b*x;
  }
  inline int inv(int a,int p){
    int x,y,d;exgcd(a,p,x,y,d);return (x%p+p)%p;
  }
  inline int poww(int a,int b,int mod){
    int res=1;
    for(;b;b>>=1,a=1ll*a*a%mod)
      if(b&1)res=1ll*res*a%mod;
    return res;
  }
  inline int excrt(int n,int *a,int *p){
    for(int i=2,x,y,d,L;i<=n;i++){
      exgcd(p[1],p[i],x,y,d);L=p[1]/d*p[i];
      x=(1ll*x*(a[i]-a[1])%p[i]+p[i])%p[i];
      a[1]=(1ll*x*p[1]%L+a[1])%L;p[1]=L;
    }
    return a[1];
  }
}
using math::inv;
using math::poww;
using math::excrt;
using math::gcd;

namespace HASH{
  int head[mod1],nxt[N],to[N],val[N],cnt;
  inline void init(){memset(head,-1,sizeof(head));while(cnt)head[cnt--]=-1;}
  inline void insert(int a,int b){
    to[++cnt]=b;val[cnt]=a%mod2;
    nxt[cnt]=head[a%mod1];head[a%mod1]=cnt;
  }
  inline int find(int a){
    int r=-1;
    for(int i=head[a%mod1];i!=-1;i=nxt[i])
      if(a%mod2==val[i]){
    if(r==-1)r=to[i];
    else r=min(r,to[i]);
      }
    return r;
  }
}
using HASH::init;
using HASH::insert;
using HASH::find;

namespace Exbsgs{
  inline int logmod(int a,int b,int p){
    int q=sqrt(p)+1;init();
    for(int i=0,r=1%p;i<=q;i++,r=1ll*r*a%p)insert(r,i);
    for(int i=0,v=inv(poww(a,q,p),p),r;i<=q;i++,b=1ll*b*v%p)
      if(r=find(b),r!=-1)return i*q+r;
    return -1;
  }
  inline int exbsgs(int a,int b,int p){
    int cnt=0,r=1,d;
    while(gcd(a,p)!=1){
      if(r==b)return cnt;
      d=gcd(a,p);
      if(b%d)return -1;
      b/=d;p/=d;r=1ll*r*(a/d)%p;cnt++;
    }
    return logmod(a,1ll*b*inv(r,p)%p,p)+cnt;
  }
}
using Exbsgs::exbsgs;

namespace Exlucas{
  int p[20],pk[20],fac[20][N],r[20],tot;
  inline void fact(int x){
    tot=0;
    for(int i=2;i*i<=x;i++)
      if(x%i==0){
    p[++tot]=i;pk[tot]=1;
    while(x%i==0)pk[tot]*=i,x/=i;
      }
    if(x>1)tot++,p[tot]=pk[tot]=x;
    for(int i=1;i<=tot;i++){
      fac[i][0]=1;
      for(int j=1;j<=pk[i];j++)
    fac[i][j]=1ll*fac[i][j-1]*(j%p[i]?j:1)%pk[i];
    }
  }
  inline int mul(int i,int n){
    int res=poww(fac[i][pk[i]],n/pk[i],pk[i]);
    for(int j=n/pk[i]*pk[i]+1;j<=n;j++)
      res=1ll*res*(j%p[i]?j:1)%pk[i];
    return 1ll*res*(n/p[i]?mul(i,n/p[i]):1)%pk[i];
  }
  inline int exlucas(int n,int m,int mod){
    if(n<m)return 0;fact(mod);
    for(int i=1;i<=tot;i++){
      int a=mul(i,n),b=mul(i,m),c=mul(i,n-m),k=0;
      for(int j=n;j;j/=p[i])k+=j/p[i];
      for(int j=m;j;j/=p[i])k-=j/p[i];
      for(int j=n-m;j;j/=p[i])k-=j/p[i];
      r[i]=1ll*a*inv(b,pk[i])%pk[i]*inv(c,pk[i])%pk[i]*poww(p[i],k,pk[i])%pk[i];
    }
    return excrt(tot,r,pk);
  }
}
using Exlucas::exlucas;

int main()
{
  init();
  int T=read();
  while(T--){
    int opt=read(),y=read(),z=read(),p=read(),r;
    if(opt==1)printf("%d\n",poww(y,z,p));
    if(opt==2){
      r=exbsgs(y,z,p);
      r==-1?puts("Math Error"):printf("%d\n",r);
    }
    if(opt==3)printf("%d\n",exlucas(z,y,p));
  }
  return 0;
}

转载于:https://www.cnblogs.com/cjfdf/p/10169353.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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