洛谷:P1571 眼红的Medusa

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。

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。

输入输出样例

输入 #1复制

4 3
2 15 6 8
8 9 2

输出 #1复制

2 8

说明/提示

对于 60%60% 的数据,0≤n,m≤1000,获得奖项的人的编号 <2×109<2×109;

对于 100%100% 的数据,0≤n,m≤105,获得奖项的人的编号 <2×109<2×109。

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。

#include<iostream>
#include<algorithm>
using namespace std;
const int N = 1e5 + 10;
int arr1[N], arr2[N], m, n;
bool query(int x,int l,int r)
{
	while (l <= r)
	{
		int idx = (l + r) / 2;
		if (arr2[idx] == x)return true; //如果相等就表示找到了,当然返回啦
		//特判,比如数据是1 2 3 7 8 9,我要找4,就先和3比,
		//发现不相等,此时又比2大比7小,就没有必要继续往下查找了,不然会超时的
		if (arr2[idx - 1]<x && arr2[idx + 1]>x) return false; 
		if (arr2[idx] < x)                                   
		{
			l = idx + 1;
		}
		else if (arr2[idx] > x)
		{
			r = idx;
		}
	}
	return false;
}
int main()
{
	cin >> n >> m;
	for (int i = 0; i < n; i++)
		cin >> arr1[i];
	for (int j = 1; j <= m; j++)
		cin >> arr2[j];
	sort(arr2+1, arr2 +1+ m);
	for (int i = 0; i < n; i++)
	{
		if (query(arr1[i], 1, m))
			cout << arr1[i] << " ";
	}
	return 0;
}

算法小白的刷题日记--二分

  • 7
    点赞
  • 12
    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