#include <bits/stdc++.h> // C++万能头文件
using namespace std
using ll = long long
const int mod = 1e9 + 7
int count(string e, int m) { // 方法一，暴力搜索
ll cnt = 0
string s = e // 遍历每个小于e的排列s
sort(s.begin(), s.end()) // 升序后为最小的排列
while (s != e) { // 保证s小于e
ll num = stoll(s) // 转为长整数
if (num % m == 0) // 判断其是否为m的倍数
++cnt
next_permutation(s.begin(), s.end()) // 库函数取下个排列
}
return cnt % mod
}
int dp_count(string e, int m) { // 方法二，状态压缩动态规划
int n = e.length()
int a[n] // 保存e各数位值
for (int i = 0 i < n ++i)
a[i] = e[i] - '0'
int size = 1 << n // 总状态数，每个状态二进制为1的位对应该数是否被选择
ll dp[size][m][2] // i状态组合中模m余j且小于a的排列个数
// 状态i的二进制表示中1的个数d表示下一数位最终对应a[d]
// 第3维为0表示当前位为止有数位小于a中对应位数值，下一数位可任取
// 为1表示当前位为止所有数位都与a中对应位数值相等，下一数位不能大于a[d]
memset(dp, 0, sizeof(dp))
dp[0][0][1] = 1 // 初始条件，最高位值不能大于a[0]
for (int i = 0 i < size ++i) { // 基段岁遍历各组合状态
for (int j = 0 j < m ++j) { // 遍历各余数
for (int p = 0 p < 2 ++p) { // 当前为止是否有数位小于对应a[d]
if (dp[i][j][p] == 0)
continue // 计算过的状态上继续添加数位
int vis[10] = {0} // 防止重复计算
燃誉 for (int k = 0 k < n ++k) { // 添加数a[k]为下一数位
if ((i & (1 << k)) || vis[a[k]])
搏睁 continue // 跳过已选择以及重复的数
int d = __builtin_popcount(i) // a[k]最终对应为a[d]
// 注意a[k]每次添加到末尾，所以状态转移中余数变为(j*10+a[k])%m
if (p == 0) { // 下一数位可取a中的任意值
dp[i|(1<<k)][(j*10+a[k])%m][0] += dp[i][j][0]
vis[a[k]] = 1
}
else if (a[k] <= a[d]){ // 下一数位取值不能超过a[d]
if (a[k] == a[d])
dp[i|(1<<k)][(j*10+a[k])%m][1] += dp[i][j][1]
else
dp[i|(1<<k)][(j*10+a[k])%m][0] += dp[i][j][1]
vis[a[k]] = 1
}
}
}
}
}
return dp[size - 1][0][0] % mod
}
int main() {
int C
cin >> C
while (C--) {
string e
int m
cin >> e >> m
//cout << count(e, m) << "\n" // 暴力搜索会超时
cout << dp_count(e, m) << "\n" // 建议使用动态规划
}
return 0
}
g++编译通过，程序运行结果与示例相符
望采纳，谢谢～
1.配置环境我在自己的笔记本配置的caffe，配置的环境为：Windows 7 64位 + cuda6.5 + Opencv2.49 +VS2013。假设在配置caffe之前，你已经准备好这些。
本文中将给出一些编译好的依赖库，如果你也是用的Windows 7 64位+VS2013，可以直接使用。
2.准备依赖库
在Windows下配置caffe，一个很主要的问题就是依赖库的编译。不像在Ubuntu下那么方便，在Windows下，依赖库庆巧核都需要使用vs2013进行编译才能使用。下面我将介绍caffe需要的依赖库（如果你也是win7 64位+VS2013，可以直接使用我提供的依赖库）。
2.1 boost
boost可以下载源码进行编译，也可以直接下载安装文件。我使用的是后者，方便、快捷。
我使用的是：boost_1.56_0-msvc-12.0-64.exe
注意下载适合你的配置环境的boost版本即可。
下载完毕，双击运行安装文件即可。
2.2 Glog+Gflag+Protobuf+LevelDB+HDF5+LMDB+Openblas
这一部分的很多都是谷歌的开源库，不容易下载（你懂的）。所以我使用的是Neil Z. SHAO‘s Blog
提供的编译好的。
下载完，解压得誉掘到3rdparty文件夹。在下一段将会用到。
3.建立caffe工程
准备好了caffe需要的依赖库和环境之后，下面就可以建立caffe的vs项目，进行编译了。
3.1 下载caffe源码
可以从caffe的github主页下载源码。
下载地址：Caffe’s GitHub
解压文件，假设caffe源码所在目录为CAFFE_ROOT。
3.2 准备项目需要的依赖库和系统环境变量
经过上一阶段的准备，caffe项目所需的依赖库都已经准备好。
1.首先设置系统环境变量(以我的为例):
CUDA_PATH_V6_5 安装好cuda6.5之后，会自动添加环境变量CUDA_PATH_V6_5
OPENCV_2_49 D:/Tools/opencv2.49/build/
BOOST_1_56 D:/Tools/boost_1_56_0
2.将3rdparty文件夹放到CAFFE_ROOT
3.3 用vs建立caffe项目
1.用VS2013在CAFFE_ROOT下建立 win32 console application，选择空项目。
将项目的平台由32位改为64位
2.修改项目属性
项目——属性——C/C++——常规——附加包含目录
添加：
../include
../src；
../3rdparty/include
../3rdparty
../3rdparty/include
../3rdparty/include/openblas
../3rdparty/include/hdf5
../3rdparty/include/lmdb
../3rdparty/include/leveldb
../3rdparty/include/gflag
../3rdparty/include/glog
../3rdparty/include/google/protobuf
项目——属相——VC++目录——包含目录
添加：
$(CUDA_PATH_V6_5)\include
$(OPENCV_2_49)\include
$(OPENCV_2_49)\include\opencv
$(OPENCV_2_49)\include\opencv2
$(BOOST_1_56)
项目——属性——链接器——常规——附加库目录
添加：
$(CUDA_PATH_V6_5)\lib\$(PlatformName)
$(OPENCV_2_49)\x64\vc12\lib
$(BOOST_1_56)\lib64-msvc-12.0
..\3rdparty\lib
项目—宽闭—属性——链接器——输入——附加依赖项
debug添加：
opencv_ml249d.lib
opencv_calib3d249d.lib
opencv_contrib249d.lib
opencv_core249d.lib
opencv_features2d249d.lib
opencv_flann249d.lib
opencv_gpu249d.lib
opencv_highgui249d.lib
opencv_imgproc249d.lib
opencv_legacy249d.lib
opencv_objdetect249d.lib
opencv_ts249d.lib
opencv_video249d.lib
opencv_nonfree249d.lib
opencv_ocl249d.lib
opencv_photo249d.lib
opencv_stitching249d.lib
opencv_superres249d.lib
opencv_videostab249d.lib
cudart.lib
cuda.lib
nppi.lib
cufft.lib
cublas.lib
curand.lib
gflagsd.lib
libglog.lib
libopenblas.dll.a
libprotobufd.lib
libprotoc.lib
leveldbd.lib
lmdbd.lib
libhdf5_D.lib
libhdf5_hl_D.lib
Shlwapi.lib
gflags.lib
libprotobuf.lib
leveldb.lib
lmdb.lib
libhdf5.lib
libhdf5_hl.lib
release添加：
opencv_ml249.lib
opencv_calib3d249.lib
opencv_contrib249.lib
opencv_core249.lib
opencv_features2d249.lib
opencv_flann249.lib
opencv_gpu249.lib
opencv_highgui249.lib
opencv_imgproc249.lib
opencv_legacy249.lib
opencv_objdetect249.lib
opencv_ts249.lib
opencv_video249.lib
opencv_nonfree249.lib
opencv_ocl249.lib
opencv_photo249.lib
opencv_stitching249.lib
opencv_superres249.lib
opencv_videostab249.lib
cudart.lib
cuda.lib
nppi.lib
cufft.lib
cublas.lib
curand.lib
gflags.lib
libglog.lib
libopenblas.dll.a
libprotobuf.lib
libprotoc.lib
leveldb.lib
lmdb.lib
libhdf5.lib
libhdf5_hl.lib
Shlwapi.lib
3.4 编译caffe
配置好caffe项目的属性之后，下面就可以一步一步的编译caffe了。
3.4.1 编译./src中的文件
首先，将../src文件夹中的*.cpp文件添加到工程中。
依次编译每一个*.cpp文件。
1.编译blob.cpp
直接编译时会报错，缺少文件”caffe\proto\caffe.pb.h”
这个时候需要将proto.exe放到../3rdparty/bin文件夹
将GernaratePB.bat放在../scripts文件夹
运行bat脚本文件即可生成caffe.pb.h
然后就可以成功编译。
2.编译common.cpp
直接编译这个文件，会出现关于getid和fopen_s的错误。可通过如下步骤修改：
在代码前面添加：#include <process.h>
修改项目属性：项目——属性——C/C++——预处理器——预处理器定义
添加:_CRT_SECURE_NO_WARNINGS
在代码中getid的位置进行如下修改：
#ifdef _MSC_VER
pid = getid()
#else
pid = _getid()
#endf
修改完毕之后，可以成功编译。
3.编译net.cpp
直接编译这个文件，会出现关于mkstep、close、mkdtemp的错误。需要进行如下修改：
在io.hpp头文件中添加：#include “mkstep.h”
在io.hpp头文件中，在close()的位置进行如下修改：
#ifdef _MSC_VER
close(fd)
#else
_close(fd)
#endif
在mkdtemp的位置进行如下修改：
#ifndef _MSC_VER
char* mkdtemp_result = mkdtemp(temp_dirname_cstr)
#else
errno_t mkdtemp_result = _mktemp_s(temp_dirname_cstr, sizeof(temp_dirname_cstr))
#endif
修改完毕，可以成功编译。
4.编译solver.cpp
直接编译会出现关于snprintf的错误，需要进行如下修改：
#ifdef _MSC_VER
#define snprinf sprintf_s
#endif
修改完毕，可以成功编译。
5.其他剩余的cpp文件也依次编译
3.4.2 编译./src/layers中的文件
将./src/layers中的所有的cpp和cu文件都添加到项目中。
右键点击cu文件，修改属性。
在bnll_layer.cu文件，进行如下修改：
float kBNLL_THRESHOLD = 50 ——>#define kBNLL_THRESHOLD 50.0
依次编译所有的文件。
3.4.3 编译./src/util中的文件
将./src/util中所有的文件添加到项目
1.在io.cpp中
修改ReadProtoFromBinaryFile函数
O_RDONLY ——>O_RDONLY | O_BINARY
在代码中进行如下修改：
#ifdef _MSC_VER
#define open _open
#endif
将close()改为_close()
2.在math_functions.cpp中
做如下修改：
#define __builtin_popcount __popcnt
#define __builtin_popcountl __popcnt
3.在db.cpp中
作如下修改：
#ifdef _MSC_VER
#include <direct.h>
#endif
修改CHECK_EQ
#ifdef _MSC_VER
CHECK_EQ(_mkdir(source.c_str()),0)<<”mkdir”<<source<<”failed”
#else
CHECK_EQ(mkdir(source.c_str(),0744),0)<<”mkidr”<<source<<”failed”
#endif
4.依次编译其他文件
3.4.4 编译./src/proto中的文件
参照上一步，将proto中的文件都添加到项目。
修改属性：
项目——属性——C/C++——预处理器——预处理器定义
添加：_SCL_SECURE_NO_WARNINGS
编译所有文件。
3.4.5 编译./tools中的文件
本文件夹下有多个cpp文件，通过它们的名字就可以知道相应的功能。添加不同的cpp文件到项目中，然后生成项目，就可以得到不同功能的exe文件。
将caffe.cpp添加到工程，生成项目，得到caffe.exe文件，可用于训练模型
将computer_image_mean.cpp添加到工程，生成项目，得到的exe文件可用于将训练样本转换为caffe使用的leveldb/lmdb数据集。
依次类推。
自此，caffe在Windows下的编译已经完毕，接下来就可以使用它来训练自己的模型了。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）