uva 11292 - Dragon of Loowater(贪心)

题目链接:uva 11292 - Dragon of Loowater


题目大意:王国里有n头恶龙,m个勇士,每个勇士有不同的能量值l[i], 以击杀恶龙头直径d[j]小于l[i]的恶龙。雇佣能量值为l[i]的勇士需要l[i]的金钱,每个勇士只能被租用一次,问说如何租用勇士击杀恶龙所用的金钱最小。


解题思路:虽然大白上讲的很清楚,但还是自己写下题解加深印象吧。

为了使得金钱的总额最小,那么就要雇佣能量值小得去击杀恶龙,但是又必须保证能将恶龙杀死,所以对于每个恶龙来说,需要租用能量值尽量小且大于恶龙头的直径的勇士,并且没有被租用过。


#include <stdio.h>
#include <string.h>
#include <algorithm>

using namespace std;

const int N = 20005;

int n, m, d[N], l[N];

void init() {
	for (int i = 0; i < n; i++)
		scanf("%d", &d[i]);
	sort(d, d + n);
	
	for (int i = 0; i < m; i++)
		scanf("%d", &l[i]);
	sort(l, l + m);
}

bool judge() {
	int i, j, ans = 0;

	for (i = j = 0; i < n && j < m; j++) {
		if (d[i] <= l[j]) {
			i++, ans += l[j];
		}
	}

	if (i < n) return true;
	printf("%d\n", ans);
	return false;
}

int main () {
	while (scanf("%d%d", &n, &m), n + m) {
		init();
		if (judge()) printf("Loowater is doomed!\n");
	}
	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