第九周第二天

第九周第二天 Transformer模型是一种基于注意机制的神经网络架构在自然语言处理领域取得了巨大的成功。与传统的递归神经网络不同Transformers不依赖于逐步的序列处理。相反他们使用自我注意机制来同时处理整个序列。这种架构不仅提高了模型执行并行计算的能力而且使其能够更有效地捕获远程依赖关系。在机器翻译任务中Transformer模型可以根据句子中不同单词之间的关系动态分配注意力权重从而产生更准确的翻译。此外Transformer架构已被广泛应用于文本生成、语音识别甚至图像处理等任务。近年来大多数大规模的预训练语言模型都是建立在Transformer架构上的这大大加速了人工智能技术的发展。46#includebits/stdc.husing namespace std;/* 第一它是某一个自然数的平方第二它的千位数字与十位数字之和等于百位数字与个位数字之积。 */int main(){int arr[100]{0};int amount0;for(int i1150;i10000;i){int k i/1000;int h i/100%10;int t (i%100)/10;int g i%10;if(kth*g){amount;arr[amount]i;}}int num;while(scanf(%d,num) ! EOF){printf(%d\n,arr[num]);}}47#includebits/stdc.husing namespace std;int main(){int N,L1,L2;while(cinNL1L2){int arr[N];for(int i0;iN;i){cinarr[i];}int max INT_MIN;for(int iL1;iL2;i){//倍数循环for(int j0;jN-i;j){ //起始点int sum0;for(int k0;ki;k){ //加法循环sumarr[(kj)%N];}if(summax){maxsum;}}}coutmaxendl;}}48#include iostream#include vectorusing namespace std;int main() {int n;// 循环读取多组测试数据比如输入多组n和数组while (cin n) {vectorint a(n);for (int i 0; i n; i) {cin a[i]; // 读入数组元素}// cnt[r]统计余数r出现的次数r范围0~10vectorlong long cnt(11, 0);long long prefix 0; // 当前前缀和cnt[0] 1; // 初始条件prefix[0]0余数0出现了1次long long ans 0; // 最终答案// 遍历数组计算每个位置的前缀和余数for (int num : a) {// 1. 更新当前前缀和并取模11保证余数在0~10prefix (prefix num) % 11;// 处理负数模本题num是正的可省略通用写法//if (prefix 0) prefix 11;// 2. 核心当前余数prefix已经出现了cnt[prefix]次// 说明能组成cnt[prefix]个合法子数组加到答案里ans cnt[prefix];// 3. 统计当前余数次数1供后续元素使用/* 我们要找的是「子数组和能被 11 整除」也就是(prefix[i] - prefix[j]) % 11 0根据模运算的性质这个式子等价于prefix[i] % 11 prefix[j] % 1 */cnt[prefix];}cout ans endl; // 输出每组的答案}return 0;}