博客
关于我
2021华为软件精英挑战赛(附赠线下判题器链接)——经历
阅读量:163 次
发布时间:2019-02-27

本文共 473 字,大约阅读时间需要 1 分钟。

2021华为软件精英挑战赛经历

  • 题目解析
  • 本次比赛题目源自现实中的互联网企业问题:如何购买与部署服务器最便宜。服务器和虚拟机的配置参数需仔细理解。

    服务器:不同型号的服务器有不同的CPU和内存。每台服务器有两个节点,内存平分。不同型号的价格和每日能耗也各不相同。例如,NV603型号的服务器,92C CPU,324G内存,价格53800元,每日能耗500元。

    虚拟机:不同型号的虚拟机所需CPU和内存不同。虚拟机分为单节点和双节点部署。单节点虚拟机占用一个节点的资源,双节点虚拟机占用两个节点。例如,s3.small.1型号虚拟机,1C CPU,1G内存,单节点部署。

    输入输出格式:

    输入格式:22333333输出格式:严格按照实例输出,否则判题失败。

    服务器ID顺序至关重要,需严格按照指定顺序赋予ID。虚拟机部署顺序也需严格遵循指令,否则单双节点格式错误。

    本次比赛采用标准输入输出方式,需使用C语言中的scanf和printf函数。

    1. 线下判题器链接
    2. https://github.com/B1ACK917/2021HWAutoGrader

    转载地址:http://qwsd.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
    查看>>
    VS2003 Front Page Server Extension
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
    查看>>
    OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
    查看>>
    OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
    查看>>
    OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 基于改进YOLOv8的景区行人检测算法
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>