SDNUOJ 1614.阿哲的幻想国(练习vector的用法)

张量(tensor)与向量(vector)的维度 如果我给出一个元组(7,8,9),凭借我们的数学直觉,我们一眼就看出他是一个向量,代表着在三维空间中的一个有向线段,但是如果我给出的是一个数组a=[7,-8,9],这显然是一个长度等于3的数组,因为我们想声明这个数组时肯定是先int arr[3] = {7,-8,9};//C,这显然是一个一维度数组,那么它到底是几维的?如果你对这个问题产生了疑惑,本文可能会提供一些帮助。 阅读详情

Time Limit: 1000 MS Memory Limit: 32768 KB
Description
在阿哲的幻想国,每个人都可以把东西送给别人

给出每个人的物品,每个人都可以

  1. x y, 代表x将将自己物品序列末尾的物品给y 如果x没有东西,什么都不会发生

请你帮阿哲输出最终幻想国的人民的物品序列

Input
第一行一个n, 代表n个居民, 下面n行给出n个数字序列,第i个序列第一个数字k代表物品序列长度,接着是第i个居民的物品序列
然后一个q,接下来q行代表操作

1 <= n <= 100000, 1 <= q <= 100000, 物品总数保证不会超过100000, 且最初每个居民都拥有物品
Output
输出最终每个居民的物品序列
Sample Input
5
3 1 2 3
3 4 5 5
3 6 4 2
1 1
1 5
3
1 5
2 1
2 4
Sample Output
1 2 5
4
6 4 2
1 5
5 3

比较简单的模拟题,思路也比较清晰,由于在结构体中声明一个很大的数组会MLE,所以要用vector实现相应操作,还有一点要注意,如果一个人没有物品,应当输出回车,下面是ac代码:

#include<iostream>
#include<vector>
using namespace std;

struct pero{
	int k;
	//int things[80];
	vector<int> things;     //定义动态数组(向量) 
};


pero dat[100005];      


int main()
{
	int n,p,a,b;
	cin>>n;
	for(int i=1;i<=n;++i)
	{
		cin>>dat[i].k;
		for(int j=1;j<=dat[i].k;++j)
		{
			cin>>a;
			dat[i].things.push_back(a);     //往向量里塞数据 
		}
	}
	cin>>p;
	for(int i=0;i<p;++i)
	{
		cin>>a>>b;
		if(dat[a].k!=0)     //如果k为零则什么也不做 
		{
			//dat[b].things[++dat[b].k]=dat[a].things[dat[a].k--];
			dat[b].things.push_back(dat[a].things[dat[a].k-1]);     //把a的尾值给b,然后a的长度减一,b的长度加1 
			dat[a].things.pop_back();    //弹出a给b的值 
			dat[b].k++;
			dat[a].k--;
		}
	}
	for(int i=1;i<=n;++i)
	{
		if(dat[i].k==0) cout<<"\n";   //如果没有数据则输出回车 
		else
		for(int j=0;j<dat[i].k;++j)    //顺序输出数据 
		{
			cout<<dat[i].things[j];
			if(j==dat[i].k-1) cout<<"\n";
			else cout<<" ";
		}
	}
	return 0;
}
深度学习基础数据结构之张量:从一维到多维 张量是一个多维数据容器,可以用来表示各种数据类型,如数值、图像、音频、文本等。本文将介绍一维、二维、三维和四维张量的形象展示、应用以及对学习理解的作用。 阅读详情

相关推荐

MATLAB 论文复现——基于虚拟储能的电动汽车充放电调度策略及激励评价

文章基于虚拟储能聚合体仿真模型优化电动汽车充放电调度,并采用复合权重评价电动汽车的充电激励。根据电动汽车灵活性和系统稳定性衡量其贡献大小,并通过模糊推理系统模拟用户的充电意愿,实现对电动汽车充电的引导和优化。[1]陈朔,胡昊,方慧敏,等.基于虚拟储能的电动汽车充放电调度策略及激励评价[J/OL].系统仿真学报,1-12[2024-07-24].https://doi.org/10.16182/j.issn1004731x.joss.23-1316.基于虚拟储能的电动汽车充放电调度策略及激励评价。

sjr1478的博客 363

多维张量的几何理解

Tensor是Tensorflow中最基础的数据结构,常常翻译为张量,可以理解为n维数组或矩阵,相关函数: constant(value, dtype=None, shape=None, name='Const', verify_shape=False) 0、零维张量 import tensorflow as tf #零维张量 const0 = tf.constant(1, tf.float16) print(const0) 运行结果: Tensor("Const:0", shape=(), dty

迪迦 • 奥特曼 769

“傻瓜”学计量——双重差分DID3(多期双重差分原理+解决方案CSDID原理)

“傻瓜”学计量——双重差分DID3(多期双重差分原理+解决方案CSDID原理)

nnpersistent的博客 5057

深度学习 -- 什么是张量 pytorch中张量的几种创建方法

pytroch 张量的概念

努力!加油!! 2170

【RandLA-Net实战】从零构建隧道点云数据集并训练大场景语义分割模型

本文详细介绍了如何使用RandLA-Net构建隧道点云数据集并进行大场景语义分割模型训练。从数据采集、标注到模型训练与优化,提供了完整的实战指南,特别针对隧道场景的特殊挑战提出了解决方案。通过实际案例展示了RandLA-Net在处理大场景点云数据时的高效性和准确性,为隧道巡检等工程应用提供了可靠的技术支持。

weixin_30485379的博客 116

GEE数据融合——Landsat (collection 2,level 2 )4、5、7、8、9长时间序列影像数据融合和视频导出分析

长时间序列影像数据融合是指将Landsat影像数据集合2级2(Level 2)中的4、5、7、8和9这五个卫星的数据进行融合。具体来说,这包括将同一地点的多个卫星影像数据进行处理和整合,以产生一个单一的、具有更高质量的影像产品。在长时间序列影像数据融合中,首先需要对不同卫星的影像数据进行校正,以消除不同卫星之间的光谱差异、辐射度问题和几何纠正误差等。然后,通过使用融合算法,将多个卫星的影像数据进行组合,以生成一张全新的、高质量的合成影像。

此星光明博客 1735

对3维向量及3维张量关系的思考

关于对3维向量及3维张量之间的关系的思考 大学学的通信专业, 然而线性代数并没有学得很透彻, 而且已过去快20年了, 工作中也几乎用不到, 最近因为工作需要应用机器学习, 开始重新捡起来, 这个过程中第一次接触到张量这个概念, 虽然实际在算法应用中可以正确选择函数参数的表示, 但是一直吃不透3维向量和3维张量的关系, 后来专门看了好几篇文章和几个教学视频, 可能稍微理解一些了. 在各种程序语言中,...

portege的博客 3852

【测开求职】面试题:操作系统 吐血整理

本篇文章是笔者为准备研究生复试和校招而写,因此主要针对问答,注重理解,而不在于细节计算。涵盖考研范围内的所有知识内容,读者可以先查看上面的链接走一遍操作系统的整体框架结构。其中,重点难点以及易混淆的知识点,笔者用其他文章进行了详述,在知识点处贴好了链接,有需要的可以查阅。另外操作系统在校招中有非常明显的重点,一般情况下只会考察进程管理,内存管理,和设备管理,且这三者考察频率依次递减,文件管理基本不会考察。

vector的博客 7912

什么是张量(tensor)?&计算机视觉&深度学习

在数学中,张量是一种用于描述多维空间中的线性关系的对象。它可以看作是向量和矩阵的推广。标量是0阶张量,向量是1阶张量,矩阵是2阶张量,更高阶的数组则称为高阶张量。在计算机视觉中,张量通常用于表示图像数据。例如,一个彩色图像可以表示为一个3阶张量,其维度为(高度,宽度,颜色通道)。这种表示方法使得对图像进行操作和处理变得更加方便和高效。张量是连接数学、人工智能和计算机视觉的重要纽带。它们在表示和处理多维数据方面发挥着关键作用。

举个栗子的博客 4566

通用、可复用的 AI Skill 开发基本流程

-----name:唯一标识符(建议用领域-功能格式):自然语言描述触发条件(AI 依赖此判断是否激活)tags(可选):便于分类和搜索version:支持后续迭代步骤输出物1. 定范围触发场景描述2. 写元数据name3. 填内容结构化 Markdown 文件4. 做验证可运行 + 符合规范5. 去集成放入对应 IDE 目录6. 持续维护跟进框架更新通过这套流程,你不仅可以开发(Hooks 最佳实践)(原生 WebGL 优化)(Pandas/Numpy 高效写法)

lpfasd123的博客 730

YOLO26模型应用过程中的报错处理及疑问解答,涉及环境搭建、模型训练、模块改进、论文写作

本文记录了YOLO26模型的这一系列过程中可能发生的问题,以及大家非常关心的问题,这里统一做了一个记录和解答。

Limiiiing的博客 241

维度/标量/张量/一维/二维/三维/shape/size/索引/view理解

创建一个三维张量])# 查看三维张量的形状print(tensor3d.shape) # 输出: torch.Size([3, 2, 3])# 查看具体元素print(tensor3d[0, 0, 0]) # 输出: tensor(1)print(tensor3d[1, 1, 2]) # 输出: tensor(12)print(tensor3d[2, 0, 1]) # 输出: tensor(14)# 查看子张量。

爱学习_萌萌哒 1838

YOLOv8改进策略【Backbone/主干网络】| 2023 U-Net V2 替换骨干网络,加强细节特征的提取和融合

一、本文介绍 本文记录的是基于U-Net V2的YOLOv8目标检测改进方法研究。本文利用U-Net V2替换YOLOv8的骨干网络,UNet V2通过其独特的语义和细节融合模块(SDI),能够为骨干网络提供更丰富的特征表示。并且其中的注意力模块可以使网络聚焦于图像中与任务相关的区域,增强对关键区域特征的提取,进而提高模型精度。本文配置了原论文中pvt_v2_b0、pvt_v2_b1、pvt_v2_b2、pvt_v2_b3、pvt_v2_b4和pvt_v2_b5六种模型,以满足不同的需求。 文章目录一、本文

Limiiiing的博客 1721

【Tensorflow】你真的懂TensorFlow吗?Tensor是神马?为什么还会Flow?

文章转载自:https://www.sohu.com/a/144569429_700316(MOOC) 也许你已经下载了TensorFlow,而且准备开始着手研究深度学习。但是你会疑惑:TensorFlow里面的Tensor,也就是“张量”,到底是个什么鬼?也许你查阅了维基百科,而且现在变得更加困惑。也许你在NASA教程中看到它,仍然不知道它在说些什么?问题在于大多数讲述张量的指南,都假设你

小白兔的窝 1万+

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

理解PyTorch中的dimensions维度,三维张量求和过程

通过可视化一个三维张量上的求和过程,更好地直观地了解PyTorch的维数理解 张量(tensor):在TensorFlow和pyTorch中,大量数据不放在数组之类的容器中,而放在一个大张量中。例如,如果有20000张28✕28,24位真彩色的照片,就会放到一个[20000,28,28,3]形状的张量中。 当开始用PyTorch张量做一些基本的运算时,比如求和,它看起来很简单,对于一维张量来说很简单: >> x = torch.tensor([1, 2, 3]) >> torch

crj0926的博客 5436

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

pytorch 创建张量tensor

pytorch 创建tensor 先看下面一张图 通过上图有了一个直观了解后,我们开始尝试创建一下。 先创建一个标量和一个向量 a = torch.tensor([1]) #标量 print(a) print(a.size(),a.size(0),a.shape) b = torch.tensor([1,2]) #向量 print(b) print(b.size(),b.size(0),a.shape) 打印出来如下图 ...

bianhuaHYQ的博客 3372

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

pytorch中的一维、二维、三维张量的符号索引

## 张量的索引、分片、合并以及维度调整 张量作为有序的序列,也是具备数值索引的功能,并且基本的索引方法和Python原生的列表、numpy中的数组基本一致。也有不同的,其是**pytorch中还定义了一种采用函数来进行索引的方式**。 而作为PyTorch中基本数据类型,**张量即具备了列表、数组的基本功能**,同时还充当着向量、矩阵、甚至是数据框等重要数据结构,因此PyTorch中也设置了非常完备的**张量合并与变换的操作**。

qq_43061415的博客 5277

为什么神经网络模型中要输入三维张量?

图像数据是二维的,其中一个维度表示图像的高度,另一个维度表示图像的宽度。然而,如果是彩色图像,还会有一个通道数的维度(比如 RGB 图像有三个通道,即三维)。:对于循环神经网络(RNN)等模型,输入通常是一个序列,比如一段文本、一段音频等。这些序列数据通常是二维的,其中一个维度表示序列长度,另一个维度表示每个时间步的特征。总的来说,使用三维或四维张量作为输入,可以使得神经网络能够有效地处理不同类型的数据,尤其是在处理序列数据和图像数据时,这种表示方式能够更好地保留数据的结构信息,从而提高模型的性能。

weixin_44943389的博客 698

【AI必备数学基础——线性代数】三维数组(张量)所对应的三维坐标

在 Numpy 中,三维数组(张量)是通过嵌套列表创建的,每个维度可以看作是一个更高维度的数组的元素。这个张量可以看作是一个 2x2x2 的数组(即 2 个 2x2 的矩阵)。让我们详细解释一下这个三维张量的结构,并说明如何对应到三维坐标。

小火龙的博客 713

多维张量

参照网页: 张量(tensor)是什么? 多维张量的几何理解 TensorFlow:使用tf.reshape函数重塑张量 tensorflow笔记:tf.reshape的详细讲解 整理 1.什么是张量(tensor) 深度学习框架中的一个核心组件,后续的所有运算和优化算法几乎...

buziran的专栏 2589

三维张量和四维张量

一般来讲:语义信息用三维张量表示,第一位表示句子个数,第二位表示句子的长度,第三位表示句子中单词的编码;图像信息用四维张量表示:第一位表示图像的数目,第二位、第三位表示图像的宽和高、第四位表示图像的通道数。...

qq_24222157的博客 2122

Lesson 4.张量的线性代数运算

Lesson 4.张量的线性代数运算 转载自:https://www.bilibili.com/video/BV14X4y1A7KT?p=3   也就是PyTorch中BLAS和LAPACK模块的相关运算。   PyTorch中并未设置单独的矩阵对象类型,因此PyTorch中,二维张量就相当于矩阵对象,并且拥有一系列线性代数相关函数和方法。   在实际机器学习和深度学习建模过程中,矩阵或者高维张量都是基本对象类型,而矩阵所涉及到的线性代数理论也是深度学习用户必备的基本数学基础。因此,本节在介绍张量的线性代数

QT-Smile 1829

详细理解Tensor中的张量

最通俗的语言解释什么是张量,最近有混乱和不理解的可以详细看一下,耐心看就行。emmmm 一、一维张量 从一维开始: tf.constant([1.0 , 3.0 , 6.0]) 表示:生成一个一维张量(向量),shape是1行3列即shape是[3]。为什么不是[1,3]呢?因为这个张量是一维的,只有一个维度,你可以把维度和shape理解为一个key:value的关系,就是一个维度是拥有值的,这个值在张量中体现为[] 的层数。 shape为[1,3]的应该是:tf.constant([[1.0 , 5.0

人生是一场修行 3055

TensorFlow 动态获取tensor维度

TensorFlow 动态获取tensor维度

派小汤的博客 720

【tensorflow】——创建tensor的方法

目录 1、tf.constant() 2、tf.Variable() 3、tf.zeros():用0去填充指定形状的数组 4、tf.convert_to_tensor(a,dtype=tf.int32) 5、tf.ones():用1去填充指定形状的数组 6、tf.fill():用指定的元素去填充指定形状的数组 7、随机化初始化进行创建 1)normal正态分布 2)Uniform均匀分布 均匀分布的应用

python_AI_fans的博客 6062

TensorFlow之张量创建

张量 tensorflow中的基本数据是tensor(张量),可以看作是多维数组或列表类型。 张量的创建 使用tf.constant()创建张量,tf.constant()的语法格式为: tf.constant(value,dtype,shape) value用来指定数据,dtype用来显式地声明数据类型,shape用来指定数据的形状, 例如,要生成一个两行三列全为类型int32的数字2的张量,可以使用以下代码: import tensorflow as tf a = tf.constant(3,dtyp

PeZXO的博客 7603
上一篇: SDNUOJ 1115 谁拿了最多奖学金(练习set的用法)
下一篇: SDNUOJ 1612.Printer Queue (练习STL queue的用法)
Konjacer
博客等级 码龄9年 18粉丝 79原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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