版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/hxxjxw/article/details/82937033
题目大意：
小 A 最近在研究深度学习，他自己搭建了一个很牛逼的神经网络，现在他手头一共有 n 组训练数据，一开始他会给自己的神经网络设置一个 batch size，假设为 B (1≤ B≤ n) ，每次训练他都会从手头的 n 组训练数据中抽取不同的 B 组数据，然后扔到神经网络去训练。
然而小 A 的服务器并不是特别支持并行，所以运行时间和 B 成正比，每一次训练都会花费 B 秒的时间。现在小 A 发现这样每次随机选数据的话，从概率上讲要训练好多次才能使得每组训练数据都被选中过。小 A 是一个炼丹的新手，他觉得只要所有训练数据都被选中过，那么这个模型就会很牛逼，所以只要某次训练后，如果所有训练数据都被选中过，那么他就会停止进行训练。
现在他想合理地设置 B ，使得训练总时间的期望值尽可能地短，你只需要求出这个最小的期望值。题解：
这个题开场时间不长就200+过的人了，就直接扫了一眼题意觉得应该是B*n/B,之后就莽了一发读入n输出n，就神奇地过了。
后来在队友的提点下发现自己之前的考虑并不全面。
所幸本题说的是“每次训练他都会从手头的 n 组训练数据中抽取不同的 B 组数据”，也就是说已经选过的数据就不会再选了，只有这样抽取次数的期望才是n/B。
#include<bits/stdc++.h>
#include<cstring>
#define mod 1000000007
using namespace std;
typedef long long ll;
int main()
{
double n;
cin>>n;
cout<<fixed<<setprecision(4)<<n<<endl;
return 0;
}