洛谷 1571 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, mn,m,表示有 nn 个人获得科技创新奖,mm 个人获得特殊贡献奖。

第二行 nn 个正整数,表示获得科技创新奖的人的编号。

第三行 mm 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
4 3
2 15 6 8
8 9 2
输出
2 8

说明/提示

对于 60\%60% 的数据,0 \leq n, m \leq 10000≤n,m≤1000,获得奖项的人的编号 \lt 2 \times 10^9<2×109;

对于 100\%100% 的数据,0 \leq n, m \leq 10^50≤n,m≤105,获得奖项的人的编号 \lt 2 \times 10^9<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。

解题思路:寻找两奖均获得的人,相当于在一组数据中查找与另一组数据相同的数据。

二分查找又称折半查找,使用其前提条件是数据要有序,因此在下面代码中先将选择的一组数据进行排序,使用了sort函数,sort函数默认排序是升序的。

C++代码

#include<bits/stdc++.h>
using namespace std;
int n,m,tech[100005],special[100005];
int main()
{
   scanf("%d%d",&n,&m);//n个人获得科技创新奖,m个人获得特殊贡献奖
   for(int i=1;i<=n;i++){
   	scanf("%d",&tech[i]);//科技创新奖获得者的编号
   }
   for(int i=1;i<=m;i++){
   	scanf("%d",&special[i]);//特殊贡献奖获得者的编号
   }

   sort(special+1,special+1+m);//用特殊贡献奖获得者的编号进行排序
   for(int i=1;i<=n;i++)//用科技创新奖获得者的编号去寻找特殊贡献奖获得者的编号是否存在相同
   {
   	//二分算法 
       int low=1,high=m;
        while(low <= high)
        {
            int mid = (low+high)/2;
            if(special[mid] == tech[i])//判断两者编号是否相同 
            {
            	cout<<tech[i]<<" ";
                break;
			}
            
            else if(special[mid] < tech[i])
				low = mid+1;//在右区间找
            else high = mid-1;//在左区间找
        }
   }
   return 0;  
}

  • 0
    点赞
  • 0
    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!
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