173 - 深度学习 :: METO CODE 华南理工大学评测系统

题目描述

Aurora最近在学习深度学习中的卷积神经网络CNN，并且他利用学校电脑从各大网站上爬取到各种图片（图片总数量N是10的倍数）存放在各个文件夹中，他想将这些图片按照7:3的比例划分为训练集和验证集来训练模型，然而由于图片数量太多等诸多原因，这台电脑（Windows XP系统）上剪切粘贴的速度非常慢，Aurora需要尽量减少自己剪切粘贴文件的数量来划分数据集，你能帮帮他嘛？

输入格式

第一行为两个整数，表示图片总数量N和用于存储图片的文件夹数量M
第二行为M个整数，表示各个文件夹下的图片数量p[i]

输出格式

输出一个整数，表示Aurora需要剪切粘贴文件数量的最小值

样例数据

输入

测试样例1：
10 3
2 4 4

测试样例2：
20 5
3 4 2 6 5

测试样例3：
30 3
11 5 14

输出

输出1：
1

输出2：
0

输出3:
2

备注

数据范围：
$2≤ N ≤ 5*10^5$,$2≤ M ≤ N$
$1 ≤ p[i] ≤ N$
样例解释:
对于样例1，图片总数量为10，需要用于训练集图片的数量为7，验证集图片数量为3，Aurora可以选择将第2个文件夹内的1张图片剪切粘贴到第1个文件夹内，将第1个用作验证集，第2个文件夹和第3个文件夹用作训练集。
对于样例2，图片总数量为20，需要用于训练集图片的数量为14，验证集图片数量为6，Aurora可以直接将第1个、第4个和第5个文件夹用作训练集，第2个和第3个文件夹用作验证集。
对于样例3，图片总数量为30，需要用于训练集图片的数量为21，验证集图片数量为9，Aurora可以选择将第1个文件夹内的2张图片剪切粘贴到第2个文件夹内，将第1个用作验证集，第2个和第3个文件夹用作训练集。