1232 -- 找模式串

本文探讨了深度学习技术在音视频处理、AR特效、AI音视频处理等领域的应用,包括图像处理、音视频编解码、自然语言处理、区块链、隐私计算等关键技术。介绍了深度学习在音视频分割、语义识别、自动驾驶、SLAM、语音识别、机器翻译等方面的应用案例。

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

找模式串

Time Limit:1000MS  Memory Limit:65536K
Total Submit:29 Accepted:22

Description

在字符串中查找指定的模式串是一种常见的运算,称为模式匹配。请你编写实现模式匹配的程序。

Input

输入数据的第一行是一个正整数T(0<T≤100),表示有T组测试数据。
每组测试数据有两行:第一行为字符串S(长度不超过128,全部为大写英文字母),第二行为模式串P(长度不超过20)。

Output

对于每组测试数据,在一行上输出一个整数,表示模式串P在字符串S中的位置序号(若出现多次,则输出第一次出现时的位置)。若在字符串S中找不到模式串P,则输出整数-1。

Sample Input

2
ABCDEF
AB
EJBBMSWJPREAEYBM
MBWEJ

Sample Output

0
-1

Source

使用据集目录: D:\cs231n.github.io-master\assignments\2021\assignment3_colab\assignment3\datasets\coco_captioning 下载标注文件: captions_train2017.json 下载 captions_train2017.json: 0.00B [00:00, ?B/s] 2017版本下载失败: [WinError 2] 系统不到指定的文件。: 'D:\\cs231n.github.io-master\\assignments\\2021\\assignment3_colab\\assignment3\\datasets\\coco_captioning\\annotations\\captions_train2017.part' -> 'D:\\cs231n.github.io-master\\assignments\\2021\\assignment3_colab\\assignment3\\datasets\\coco_captioning\\annotations\\captions_train2017.json' 尝试2014版本... 下载标注文件: captions_train2014.json 下载 captions_train2014.json: 0.00B [00:00, ?B/s] 所有版本下载失败: [WinError 2] 系统不到指定的文件。: 'D:\\cs231n.github.io-master\\assignments\\2021\\assignment3_colab\\assignment3\\datasets\\coco_captioning\\annotations\\captions_train2014.part' -> 'D:\\cs231n.github.io-master\\assignments\\2021\\assignment3_colab\\assignment3\\datasets\\coco_captioning\\annotations\\captions_train2014.json' 下载标注文件: captions_train2017.json 下载 captions_train2017.json: 0.00B [00:00, ?B/s] --------------------------------------------------------------------------- FileNotFoundError Traceback (most recent call last) Cell In[10], line 350 343 # 示例2: 指定目录下载(使用您的实际路径) 344 downloader = COCOFeatureDownloader( 345 base_dir="D:/cs231n.github.io-master/assignments/2021/assignment3_colab/assignment3/datasets/coco_captioning", 346 version="2017", 347 feature_type="pca", # 或 "original" 348 max_threads=32 349 ) --> 350 downloader.download_all() Cell In[10], line 289, in COCOFeatureDownloader.download_all(self) 287 """下载所有必要文件""" 288 # 下载标注文件 --> 289 self.download_annotations() 291 # 下载特征文件 292 for split in ["train", "val"]: Cell In[10], line 280, in COCOFeatureDownloader.download_annotations(self) 277 file_size = int(response.headers.get('content-length', 0)) 279 print(f"下载标注文件: {filename}") --> 280 if self._download_file(url, output_path, file_size, "skip"): # 标注文件较小,跳过哈希验证 281 # 添加下载完成标记 282 if filename not in self.download_status["completed"]: 283 self.download_status["completed"].append(filename) Cell In[10], line 211, in COCOFeatureDownloader._download_file(self, url, output_path, file_size, md5_hash) 208 progress.close() 210 # 重命名临时文件 --> 211 temp_path.rename(output_path) 213 # 验证完整性 214 if output_path.stat().st_size == file_size and self._verify_md5(output_path, md5_hash): File D:\miniconda\lib\pathlib.py:1234, in Path.rename(self, target) 1224 def rename(self, target): 1225 """ 1226 Rename this path to the target path. 1227 (...) 1232 Returns the new Path instance pointing to the target path. 1233 """ -> 1234 self._accessor.rename(self, target) 1235 return self.__class__(target) FileNotFoundError: [WinError 2] 系统不到指定的文件。: 'D:\\cs231n.github.io-master\\assignments\\2021\\assignment3_colab\\assignment3\\datasets\\coco_captioning\\annotations\\captions_train2017.part' -> 'D:\\cs231n.github.io-master\\assignments\\2021\\assignment3_colab\\assignment3\\datasets\\coco_captioning\\annotations\\captions_train2017.json'
最新发布
07-29
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