5.27计蒜客网络初赛A题 腾讯课堂的物理实验

本文介绍了一个基于物理实验的小车碰撞模拟问题。在光滑轨道上,两个以相同速度相向而行的小车进行弹性碰撞,模拟它们在特定时刻的位置及相互间的距离。文章提供了一段C++代码实现。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

其实这是一道很简单的题,但没有想到trick,导致写的很复杂,其实有很简单的做法

题面:

在腾讯课堂的物理课上,进行了一个有趣的物理实验。

在一个长度为 LL 米的光滑轨道上,小车 A 在 0 时刻以 1m/s 的速度从左端出发向右运动,小车 B 在 t 时刻以 1m/s 的速度从右端出发向左运动,两个小车的质量相等。假设所有碰撞都是弹性碰撞,也就是当两个小车相向碰撞时,他们各自会以原来的速度向相反的方向运动;小车和轨道两端发生碰撞时,小车会以原速度向反方向运动。

试求出 T 时刻的时候,两个小车相距多远。

输入格式

输入三个整数L(1≤L≤1000), t(0≤t≤1000),T(t≤T≤1000)。

输出格式

输出 T 时刻两车之间的距离。

样例输入1

10 4 7
样例输出1
0
样例输入2
8 3 9
样例输出2
5

大致思路:

其实很简单,每次碰撞之后相当于没有碰撞的状态,只不过是小球的编号发生了交换。
就可以理解为两个小球不发生碰撞,这样就很好进行模拟了。

代码:

#include<bits/stdc++.h>
using namespace std;
int main()
{
    int x,y,l,t,cnt=1,aim,ans=0;
    cin>>l>>t>>aim;
    x=0;y=l;
    bool flag1=true,flag2=true;
    while(cnt<=aim)
    {
        if(flag1)
            x++;
        else
            x--;
        if(x==0||x==l)
            flag1=!flag1;
        if(cnt>t){
            if(flag2)
                y--;
            else
                y++;
        }
        if(y==0||(y==l&&cnt>t))
            flag2=!flag2;
        cnt++;

    }
    cout<<abs(x-y)<<endl;
    return 0;
}
内容概要:本文详细比较了GPU、TPU专用AI芯片在大模型推理优化方面的性能、成本及适用场景。GPU以其强大的并行计算能力和高带宽显存,适用于多种类型的神经网络模型和计算任务,尤其适合快速原型开发和边缘计算设备。TPU专为机器学习设计,擅长处理大规模矩阵运算密集型任务,如Transformer模型的推理,具有高吞吐量和低延迟特性,适用于自然语言处理和大规模数据中心的推理任务。专用AI芯片通过高度定制化架构,针对特定神经网络模型进行优化,如卷积神经网络(CNN),在处理特定任务时表现出色,同时具备低功耗和高能效比的优势,适用于边缘计算设备。文章还介绍了各自的优化工具和框架,如CUDA、TensorRT、TPU编译器等,并从硬件成本、运营成本和开发成本三个角度进行了成本对比。 适合人群:从事人工智能、深度学习领域的研究人员和技术人员,尤其是对大模型推理优化感兴趣的读者。 使用场景及目标:①帮助读者理解GPU、TPU和专用AI芯片在大模型推理中的优缺点;②为选择适合的硬件平台提供参考依据,以实现最优的推理性能和成本效益;③介绍各种优化工具和框架,帮助开发者高效部署和优化模型。 其他说明:本文不仅涵盖了硬件架构特性,还深入探讨了优化技术和应用场景,旨在为读者提供全面的技术参考。在选择硬件平台时,需综合考虑具体任务需求、预算限制及开发资源等因素。
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