复试打卡day29

1.单词2.翻译Transformer模型是一种基于注意力机制的神经网络结构在自然语言处理领域取得了巨大的成功。与传统的循环神经网络相比Transformer不依赖于序列的逐步计算而是通过自注意力机制同时处理整个序列。这种结构不仅提高了模型的并行计算能力还能够更有效地捕捉长距离依赖关系。在机器翻译任务中Transformer模型能够根据句子中不同词语之间的关系动态分配注意力权重从而生成更加准确的翻译结果。此外Transformer结构还被广泛应用于文本生成、语音识别以及图像处理等领域。近年来大规模预训练语言模型大多基于Transformer架构这也推动了人工智能技术的快速发展。3.代码99构造序列#includebits/stdc.husing namespace std;int main(){int n;while(cinn){string temp;for(int i1;in;i){if(i1)temp11;else{string prevtemp;int offset0;// 插入导致的索引偏移量for(int j0;jprev.size()-1;j){int sum(prev[j]-0)(prev[j1]-0);if(sumi){int posj1offset;temp.insert(pos,to_string(i));offset;// 插入后偏移量1补偿后续索引}}}}couttempendl;}return 0;}、每次插入要动态补偿偏移量111.统计候选人的票数#includebits/stdc.husing namespace std;int main(){int count10,count20,count30;int fake0;string a;while(getline(cin,a)){if(ali)count1;else if(azhang)count2;else if(awang)count3;elsefake;}coutli:count1endl;coutzhang:count2endl;coutwang:count3endl;coutWrong election:fakeendl;return 0;}暴力解即可113学生信息#includebits/stdc.husing namespace std;vectorint grade;bool compare(int i,int j){if(grade[i]!grade[j])return grade[i]grade[j];}int main(){int n;cinn;vectorint num(n);vectorstring name(n);vectorstring sex(n);vectorint age(n);grade.resize(n);vectorint vec(n);//存放索引排序for(int i0;in;i){cinnum[i];cinname[i];cinsex[i];cinage[i];cingrade[i];vec[i]i;}sort(vec.begin(),vec.end(),compare);//索引根据成绩大小排好for(int i0;in;i){int idxvec[i];if(i!n-1)coutnum[idx] name[idx] sex[idx] age[idx] grade[idx]endl;elsecoutnum[idx] name[idx] sex[idx] age[idx] grade[idx];}return 0;}分清compare比较的为索引